目前,红外热像仪在医学中的应用已经很广泛,但国内利用红外热像仪来对膝关节病变进行的研究还不太广泛,特别是利用多尺度熵算法来对红外图像进行分析的研究还处于国际前沿的研究领域。本文在对人体红外图像研究的基础上将主要侧重于探讨多尺度熵在图像分析算法中的应用,通过对多尺度熵的研究发现,多尺度熵在对生理信号进行处理上具有其它熵算法无法比拟的优点,本文通过对多尺度熵理论的分析推导,最终给出了该算法具体的实现步骤。多尺度熵算法对图像中的像素序列在多个尺度上进行分析,试图通过像素序列的复杂度来说明图像间的变化规律。本文利用多尺度熵算法对实验所得的膝关节病态区和参照组红外图像进行对比研究,以便寻求膝关节病变区患者病态程度的红外图像特点,在为临床诊断提供一种依据的同时,也探讨了多尺度熵算法在红外图像分析中的应用价值。本课题以人体膝关节为研究对象,探讨了人体膝关节病变区红外图像的分析问题,其主要是从以下几方面的内容来探讨的：(1)红外热像图的采集工作。通过对红外热像仪参数的选择,来确定所选用红外热像仪的型号。在采集图像的过程中,通过对红外热像仪的性能校正,来使红外热像图的显示效果达到最佳。(2)提出了一种利用多尺度熵算法来对红外热像图进行分析处理的新方法。由于病变,膝关节表面的温度存在一定的差异,本研究利用多尺度熵算法对膝关节病变区红外热像图相对应的像素序列进行处理,以求出序列的复杂度,以此来判断膝关节的病变程度。通过对膝关节病变区的红外热像图的分析,本课题验证了多尺度熵算法在分析膝关节红外热像图中是可以应用的,并且找到了正常膝关节红外热像图的标准多尺度熵值曲线。当膝关节的红外热像图多尺度熵值曲线在绝大部分尺度上小于标准多尺度熵值曲线时,就说明此膝关节可能存在病变,并且熵值比标准熵值越小,病变越严重。