近年来,随着科技的发展,计算机辅助诊断技术已成为临床医学领域的研究热点。计算机辅助诊断技术充分利用了计算机高性能计算及三维建模等能力,通过对医学图像的可视化与分析,并结合其他可能的医学手段来辅助临床医师对疾病进行检测与诊断,以此提高医师的工作效率。而随着计算机图形学等图形图像技术的成熟,现代医学成像技术也在不断进步,高端的医学图像设备接连问世,这也为计算机辅助诊断技术的广泛应用提供了良好的基础。光学相干性断层扫描技术(Optical Coherence Tomography,简称OCT)是近些年来出现的一种新的光学层析成像技术,经过OCT设备检查得到的OCT眼底图像能够展现视网膜信息与眼底结构,医学研究表明,视网膜神经纤维层的厚度变化可以成为黄斑病变、青光眼等神经变性眼科疾病发病的重要指标,OCT设备能够获得视网膜神经纤维层的厚度,帮助临床医师尽早做出青光眼疾病诊断。然而,OCT设备也存在着一些缺陷。首先,为了避免人眼不自主颤动对OCT图像精度的影响,当前主流OCT设备每次扫描的时间相对较短,得到的单块眼底体数据不足以给临床医师提供足够的信息。其次,未经处理的OCT图像往往带有一些噪声点,这会给临床医师的诊断和分析带来一定的影响。基于以上问题,本文介绍一种基于迭代最近点的三维眼底体数据配准方法,算法主要包括眼底图像点云数据的提取、初始配准和精确配准过程。论文首先采用Canny边缘检测方法对眼底图像进行去噪以及边缘特征提取。接着将这些特征按照点云数据的格式存储。然后采用最小包围盒算法将点云分配到不同的空间网格中,接着采取寻找边界空间网格的策略获得点云数据的边界特征点。最后利用奇异值分解算法完成初始配准。在精确配准阶段,结合眼底图像点云数据的特点,本文对传统迭代最近点算法进行了改进。本文对点云中的点赋予权重,以此减少参与配准的点云数量,并将M-估计引入到目标方程,重新定义了迭代最近点方法中计算最近距离点对的方法,实验结果表明,本文算法明显的提升了传统OCT体数据配准的精确度并降低了算法的时间复杂度。文章主体首先简要回顾了医学图像处理技术的发展历史,介绍医学图像配准技术的经典方法,以此为基础并结合眼底OCT图像的特点,阐述了本文算法的整体流程。最后,分别使用眼底图像和开源的点云数据进行了实验,并根据对比实验结果,分析了传统方法与本文算法对配准点云数据的优劣性,最后对本文未来工作进行了展望。