探测和成像技术的不断发展使得医学成像手段越来越丰富,光学相干层析成像(Optical Coherence Tomography,OCT)就是其中之一。眼科成像是OCT技术应用的代表性领域,针对眼科疾病检查的OCT设备已经得到广泛应用。为了提高OCT仪的智能化程度,保证临床诊断的准确性,OCT图像的智能化处理软件成为眼科OCT成像设备必不可少的一部分。本文将对眼底OCT图像处理的关键技术进行研究与讨论,主要包括图像的降噪和轮廓信息的提取。文中首先分析了眼底OCT图像的噪声特点以及一些经典图像复原算法的性能,并据此提出了一种基于小波分解与重建的OCT图像降噪算法。算法利用了经小波分解后的小波系数之间的空域相关性,通过计算每一小波系数为“信号系数”的概率来确定其压制因数,并针对不同噪声状况的图像设计了三种对小波系数的压制策略,进而实现了图像噪声能量的消减和信号能量的保留。对比实验的结果证明,文中算法对眼底OCT图像的噪声具有良好的压制效果,可以有效提高图像的信噪比和对比度。眼底OCT图像的轮廓检测是本文着重介绍的另一方面内容。通过分析图像的轮廓特点和各种轮廓提取算法的性能,本文设计了基于多尺度主动轮廓模型(Multi-Scale Active Contour Model)的图像边缘检测算法。算法利用梯度算子的方向特性和统计精化的手段得到了演化曲线的初始轮廓,并针对眼底OCT图像的轮廓特点设计了具体的能量函数,尤其是在能量函数的外部能量项中加入了距离斥力,这有效避免了两条演化曲线的重叠或相交,大大提高了检测结果的准确性。最后,文中通过人工标记的手段获得了图像轮廓的参考标准,结果显示,算法的总体检测性能良好,对噪声和图像轮廓上的“毛刺”有很强的鲁棒性,检测精度已经达到了临床应用的要求。