OCT眼底断层扫描技术作为当前眼底图像研究领域的技术热点,在眼底疾病诊治工作中的重要程度逐渐增加。随着国民老龄化程度加深和普遍缺乏用眼常识,各年龄人群中患眼科疾病的人数近年来增长迅速。眼睛是身体的重要器官,眼底检查是一些全身系统性病变的早期检测手段,因此眼底图像处理技术的发展对提高国民健康水平具有重要意义,眼底视网膜分层是OCT眼底图像处理的重要内容,也是本文研究的主要方向。本文中眼底视网膜图像分层工作主要分为图像预处理和图像分割两部分。在图像预处理工作中,首先介绍了视网膜图像预处理的常规方法,为了突出视网膜层次化特点并减少分层干扰因素,本文在常见方法的基础上提出了视网膜二次平直化方法,确定了视网膜上下两个边缘层位置的同时完成了视网膜平直化,基于平直化结果提出了血管提取方法,得到去除血管的平直化视网膜区域,将下一步分层工作限定在上下边缘层之间的平行区域。在图像分割工作中,为了提高边缘贴合度,避免基于像素分割方法对噪声敏感和计算量大的问题,我们利用基于超像素的方法对视网膜图像进行初始过分割,提出根据平直化后的层厚度自适应选择分割尺度得到视网膜图像过分割结果。在过分割区域的合并过程中,本文详细介绍了基于局部最优相似关系和区域一致性的动态区域合并方法,在该方法的基础上进行改进,提出了利用统计信息和方向信息的区域间相似度计算方法。针对层间误分割块阻断水平合并过程的问题,提出了利用邻域一致性进行误分割块去除的方法,使相同层的合并结果更加完整,并对结果中的欠合并情况进行优化处理,得到最终分割结果。最后对平直化视网膜中的边缘点位置进行逆变换找到原始图像中的边缘位置,完成视网膜分层整个过程。通过实验证明,本文提出的平直化方法和血管提取方法在不同的视网膜图像中都有较好的实验结果。加入水平方向信息的相似度计算方法提高了合并准确率和合并效率,层间误分割块的去除避免了水平合并被阻断现象的发生。综合来看,本文所提出方法的分割结果对视网膜层边缘具有更好的贴合度,相比于已有的分割方法时间效率更高,对噪声具有一定的鲁棒性。