彩色眼底图像是眼科中利用眼底照相机透过瞳孔拍摄得到的一种临床诊断图像,通过眼底图像可以反映出多种眼科疾病,如糖尿病视网膜病变、青光眼等。将眼底成像技术和图像处理相结合,可以实现眼底疾病的快速诊断和筛查,一方面有助于将疾病诊断标准客观化,另一方面可以节约时间和人工成本。因此,基于眼底图像的计算机辅助诊疗具有重要的研究意义。本课题以彩色眼底图像为研究对象,主要研究内容为眼底图像配准、眼底图像配准的定量客观评估以及视盘萎缩弧检测。在眼底图像配准中,用Harris检测提取图像特征点,利用局部亮度不变特征对每个特征点进行特征描述,基于特征信息搜索匹配点,确定几何变换模型。在眼底图像配准评估中,利用亮度归一化排除亮度不均对特征提取的影响,对图像中的稳定结构提取目标模板,在模板中用Canny算子检测边缘点,计算配准后两图中边缘点集的Hausdorff距离作为评价配准结果的定量指标。在视盘萎缩弧检测中,选取视盘外侧的环形区域作为目标区域,在其中提取生物启发性特征,训练SVM分类模型,判断图像中是否存在视盘萎缩弧。对于存在视盘萎缩弧的图像,本文提出一种基于灰度变化的径向线检测算法,根据径向线上采样点的灰度特征提取视盘萎缩弧的边界点,并对边界点进行椭圆拟合得到分割结果。在视盘萎缩弧分割基础上,我们测量了萎缩弧的尺度参数,进而研究儿童近视患者中萎缩弧的改变与近视程度之间的相关性,为临床中诊断与预测儿童近视进展提供理论依据。本文采用北京眼科研究所提供的队列眼底图像数据对论文中提出的算法进行实验验证,3635对眼底图像配准的正确率达98.6%,表明算法具有较高的准确率和鲁棒性;提出的配准客观评估算法和已有方法比较,有效地减少了亮度不均和病变在配准评估中的影响,与主观评估结果有较高的一致性;视盘萎缩弧识别算法经640张眼底图测试正确率为90%,与100张具有人工标注的视盘萎缩弧相比,所提分割算法F-score达到0.74,测量准确率为80%,表明本文算法能够较准确地检测、分割萎缩弧。将视盘萎缩弧参数进一步与临床数据进行统计分析,表明在儿童近视中视盘萎缩弧的大小变化与近视进展程度相关,视盘萎缩弧变化可以作为预估儿童近视发展的一个指证。