图像配准是图像处理领域极度基础的问题,它是将一幅图像上的点映射到另一幅图像上同源点的空间变换过程。图像配准在很多领域都得到了广泛应用,如气象监测、遥感图像、计算机视觉、模式识别、医学等。本文研究的是针对病变视网膜相干断层扫描图像(Optical Coherence Tomography,OCT)的配准算法,这项技术是病变区域动态跟踪和建模的前提,配准的结果有助于在病变发展和治疗过程中对视网膜形态进行对比、监测和量化分析。本文主要研究的是病变视网膜光学相干断层扫描图像三维配准算法,主要工作和贡献如下:首先,对视网膜OCT图像进行预处理,包括依次对视网膜OCT图像进行OCT图像去噪、图像分层、图像投影和病变区域的去除,进而得到视网膜血管的二维投影图像;其次,使用多尺度血管增强滤波算法从视网膜血管的二维投影图像中提取血管,得到血管的二维特征点,根据得到的二维特征点返回到三维空间得到三维特征点;接着,将固定图像的三维特征点作为高斯混合模型的数据点集,待配准图像的三维特征点作为高斯混合模型的质心点集,基于得到的三维特征点,利用相干点漂移算法(Coherent Point Drift,CPD)中的仿射变换进行图像粗配准;最后,利用基于B样条的自由变换模型进行图像的非刚性配准,多层次的B样条模型使用了很多个疏密的网格,先用控制点间距较大的网格实现粗配准,再用控制点间距较小的网格实现进一步的配准,不断的重复由疏到密的过程,实现非刚性配准,得到精确配准的图像。本文提出了一种三维病变视网膜光学相干断层扫描图像配准算法,将基于灰度和基于特征的配准方法进行结合,提高配准结果的精确度和可靠性。将本文提出的方法在63个患有脉络膜新生血管疾病(Choroidal Neovascularization,CNV)的视网膜光学相干断层扫描图像上进行测试,所得到的平均戴斯系数(DSC)和边界位置误差分别是0.746和13.08像素。基于本文所提出的病变视网膜OCT图像的配准方法,便于眼科医生观察病变区域的变化,可以判断注射药物的效用以及指导医生下一步的治疗,进一步协助相关视网膜疾病的诊断和治疗。在图像配准结果的基础上还可以进行下一步基于动态图像的图像分割、图像建模等。