视网膜作为人眼成像的关键部位,由色素上皮层和视网膜感觉层组成,紧贴在脉络膜内面。由于许多眼底疾病所引起的病变通常会表现在眼底血管之上,所以在临床医学上,获取视网膜图像通常是诊断眼底疾病和其他系统的疾病的重要环节之一。由于眼底照相机拍摄照片的角度有限,单幅图像所得的区域较小,难以获取有效的图像信息,因此,在医学研究领域或者临床诊断医学上,需要将多幅不同角度拍摄的视网膜图像拼接在一起,以此获得较为完整的视网膜眼底血管信息。但是,受到技术条件的限制,现有的图像拼接软件并不能合成相对高效完整的图像,所以,在现有的基础条件下,本文提出基于分块特征匹配的改进SIFT图像配准算法,及动态加权融合法改善了视网膜图像拼接融合的视觉效果。匹配算法是基于SIFT算法,按照数据结构中的分块算法提出的。从视网膜数据库里面选取合适完整的视网膜图像作为实验为对象,将视网膜图像等分为不同区块数,分别对他们进行测试,然后进行视网膜图像的配准和视网膜图像融合。通过实验对本文算法和传统算法进行对比分析,实验结果证明本文所提到的SIFT分块特点匹配算法,既能实现低耗时和低内存占用而且最终可以获得更理想的匹配结果。论文分析了常用的三种图像融合算法,包括传统加权融合法、基于拼接线一侧的加权融合法、基于原图内容的加权融合法。对传统加权融合算法进行改进,提出了动态加权法,这种方法根据系数的动态曲线,取两幅图的同一个位置的灰度值作为判断权值的依据,可以有效避免固定的系数导致忽略个别特征图像的具体情况,不能顾及到所有特征点从而导致误差,影响图像的融合效果。结果证明该算法具有较好的融合效果,图像没有明显变形,两幅图像中眼底血管的拼接准确,没有明显的偏差,并且能够明显消除拼接线,保持两幅图的拼接区域的图像亮度一致。在理论研究和实验的基础上,本文对视网膜图像进行预处理,将传统SIFT算法进行分块特征提取和特征匹配,并根据图像匹配得到的结果对视网膜图像进行拼接融合,通过实验取得了符合视觉效果的拼接图像。