症状性渗出液相关紊乱(Symptomatic Exudate-Associated Derangements, SEAD)伴随老年性黄斑变性(Age-related Macular Degeneration, AMD)等视网膜疾病产生,本文针对频域光学相干断层成像(Spectral Domain Optical Coherence Tomography, SDOCT)的视网膜图像,结合各种不同的医学图像分割方法,提出了SEAD的自动化分割算法。本文的主要工作和研究内容包括以下几个方面：(1)图像预处理。由于斑点噪声、血管、图像成像时传感器的移动及光照等的影响,使SDOCT视网膜图像含有大量的斑点噪声,导致图像质量很差。因此本文选用双边滤波器对图像预处理,提高图像质量。(2)视网膜内界膜层(Internal Limiting Membrane, ILM)和视网膜色素上皮层(Retinal Pigment Epithelium, RPE)边界的分割。本文分析不同图像的ILM特征,根据阈值方法得到了较好的ILM边界,同时本文采用图论和动态规划自动化分割RPE边界,该分割方法合理利用RPE层的高反射特性以及视网膜层的先验信息精确分割RPE边界。(3)基于聚类的SEAD自动化分割。首先,该算法采用K-means聚类方法得到粗略的SEAD位置,然后利用SDOCT视网膜图像血管位置信息,空间信息和灰度信息去除误分割,最终得到更精确的SEAD分割结果。(4)基于水平集的SEAD自动化分割。首先,该算法采用阈值分割法得到水平集的初始轮廓曲线,然后利用水平集方法得到粗略的SEAD位置,接着利用SDOCT视网膜图像血管位置信息,空间信息和灰度信息去除误分割,最终得到更精确的SEAD分割结果。