虚拟内窥镜是随着计算机技术,计算机图形学,计算机图像处理,虚拟现实等学科的发展而逐步形成的一种以医学影像作为原始数据来模拟光学内窥镜的技术,是计算机学科和医学的一种交叉学科技术。近些年来,随着医学成像设备CT (Computed Tomography), MRI (Magnetic Resonance Imaging)分辨率的提高和虚拟现实技术的快速发展,虚拟内窥镜技术也有了迅速的发展。传统光学内窥镜由于需要插入器官内部才能进行成像,往往会导致患者的不适或者副作用,比如穿孔、感染和出血等。而虚拟内窥镜避免了光学内镜检查带来的弊端,最重要的是能够探测到光学内镜无法检查的部位或器官,如大脑的内部结构,因此具有潜在的临床医学价值。本文针对脑血管虚拟内窥镜这一课题的相关技术和实现进行了深入研究,主要相关工作有：首先,研究了相关医学脑血管图像的预处理和血管分割技术。针对医学成像设备分辨率的限制导致的图像质量问题,本文运用增加对比度、锐化等图像增强技术对医学图像序列进行处理,以方便后续分割和漫游路径的提取。在血管分割方面,实现了基于统计学的血管分割算法,准确地提取出了脑部血管数据。其次,本文把血管数据的骨架作为漫游路径,深入研究了骨架提取算法,包括人工提取、基于细化的骨架提取算法、基于距离变换的骨架提取等算法,实现了细化骨架提取算法。在基于血管点云化模型的L1范式中值骨架提取算法中引入了法向信息,解决了原算法在分支处出现的问题,并作为漫游路径进行了验证和实现。再次,关于虚拟血管镜的三维绘制方面,介绍了三维数据场的两种常用的绘制技术即面绘制和体绘制,在实验中运用了基于GPU(Graphic Processing Unit)加速的绘制技术,提高了绘制速度和成像质量。最后,综合以上算法过程,实现了虚拟血管镜技术的自动漫游,并验证了算法的有效性。