眼底图像配准是视网膜图像分析中的一项关键技术。由于眼底结构的特殊性,一次拍摄出来的图像通常不能满足临床需求,因此图像配准和拼接对眼科诊疗有重要的临床价值。其次,通过配准不同时期的眼底图像,医生能够更精确地诊断和检查各种与眼底相关的疾病,如糖尿病、青光眼、黄斑部变性等。眼底视网膜图像血管的形态与上述疾病密切相关,研究基于血管形态特征的图像配准对眼部疾病早起辅助诊断具有临床意义。本文首先研究了基于最大互信息配准方法。这种方法在图像配准方面获得广泛的应用,尤其对于多模态图像,具有较高的配准精度。此方法的优点是不需要对图像进行预处理和分割,缺点是不适用于图像发生大的旋转和尺度变化。本文研究表明,其在眼底图像分析中,配准精度和速度与预期存在较大差距。论文主要研究了基于特征点的眼底图像配准方法。其中,特征点的提取采用两种方法,即经典的SIFT (Scale Invariant Feature Transform)算法和8邻域编码查表法。前者直接提取图像的特征点,后者将图像血管中心线的分叉点作为特征点,然后采用迭代的ICP (Iterative Closest Point)算法实现配准。最后,根据眼底视网膜图像的结构,研究一种基于局部血管结构特征的配准算法,特征结构由一个主分叉点和相邻的3个分叉点构成。通过寻找最优匹配的特征结构,实现图像精确配准。该方法基础是提取眼底视网膜图像血管中心线,如果中心线提取准确,具有较高的配准精度和速度,且原理简单,易于算法实现。实验证明该方法的有效性。