大量研究显示视网膜各层组织的厚度与不同眼部疾病的严重程度具有良好的相关性,眼底视网膜各层组织结构厚度的变化能够提供相关疾病的有用诊断信息。光学相干断层扫描(OCT)眼底视网膜图像的各层分割技术在医学图像处理领域是长期被广泛关注的问题,该问题的研究成果对于测量视网膜层厚度具有重要意义。目前,人工手动分割光学相干断层扫描眼底图像的视网膜层在眼科临床实践中仍占主导地位,该过程费时费力,而且主观性强、重复性差,严重影响临床诊断的效率和准确性。大多数基于计算机辅助的视网膜层分割技术都需要首先提取待分割层的相关特征,根据提取的特征进行图像分割,从操作方式上来说主要分为全自动分割和半自动分割两种。虽然计算机辅助分割技术能够提供可重复的,定量的和客观的结果,并且还能减少人工描绘视网膜层所需的时间和精力,但是,目前流行的算法过于依赖图像各层结构本身的特征,只能分割与训练集图像上提取的层状特征及其相似的视网膜层,算法鲁棒性差,无法分割特征差异较大或者特征完全不同的视网膜层。本文基于OCT眼底视网膜图像成像原理提出了利用曲线群匹配进行视网膜层分割的思想,基于该思想将不同视网膜层分割的过程统一为同一框架。这一分割模型在不需要提取任何层状结构特征的情况下就能够分割任意视网膜层,并且不需要任何形式上的调整就能够实现所有视网膜图像上层状病变结构的分割。实验证明,该分割方法在各种各样的实际应用中都有潜在的应用价值,尤其在OCT眼底图像分割领域,该模型从精确性和分割任何视网膜层的能力来说都是独一无二的。本文的主要研究和贡献有以下几点:1)本文首次提出曲线群匹配的概念,并将该思想应用到OCT眼底图像分割领域。由于同一OCT眼底视网膜图像每一列灰度值变化由上到下对应的组织结构一致,因此所有灰度变化对应的灰度值曲线形状是相似的。将灰度变化曲线作为切入点进行图像分割,为传统OCT眼底图像分割方法提供更多可能性。2)基于曲线群匹配的思想提出基于曲线群匹配的OCT眼底图像分割模型,该模型能够在不进行任何额外调整的情况下手动指定任何视网膜边界点进行视网膜层分割,不仅可以分割正常视网膜包含的所有层状结构,而且可以分割任意疾病产生的层状病变结构。3)该模型中提出的曲线群联合优化模型,不仅能够去除曲线分组匹配过程中产生的冗余匹配结果,提高分割效率,而且能够有效的纠正成对匹配过程中产生的误差,进一步提高了分割结果的精确度。4)将上述基于曲线群匹配的OCT眼底图像分割模型的应用从二维图像扩展至三维曲面,介绍了三维曲面下,OCT眼底图像层状曲面分割的分割策略。