视网膜眼底图像不仅是诊断青光眼,黄斑部变性等眼部疾病的重要依据,而且对诊治身体其它系统的疾病,如糖尿病、高血压、动脉硬化等有重要的指导意义。然而由于眼底相机或激光共聚焦显微成像视场的限制,一般一次成像只能获取局部视网膜眼底图像。因此在眼科应用中需要对多幅眼底图像进行拼接以获得全景视网膜眼底图像,从而提高诊断的效率和准确性。本文主要研究不同视角的多幅视网膜眼底图像的配准与融合技术,主要工作和创新点如下:首先,针对现有的加速鲁棒特征(Speeded Up Robust Features,SURF)点匹配法不能实现匹配对数量与正确率兼顾的问题,提出了一种改进的SURF特征点匹配法。该算法首先对从视网膜眼底图像提取的SURF特征点进行暴力匹配得到初始匹配点集;然后利用一种改进的策略,基于空间顺序估计出正确匹配对数量,并结合匹配点对连线的特点剔除误匹配,提高特征点的匹配正确率;最后估计正确匹配点对间的变换模型参数,进行空间变换实现图像配准。实验结果表明:该算法实现了匹配对数量与正确率的兼顾,提高了视网膜眼底图像配准的精度和成功率。其次,针对多幅视网膜眼底图像拼接过程中重叠区域复杂难以确定的问题,提出了一种基于最大值融合和灰度均值改正比的多幅眼底图像快速拼接方法。该方法首先通过图像配准将来自不同视角的移动图像都对齐到中心视场眼底图像;接着,利用最大值融合算法镶嵌成一张初步拼接图像,并用-种新的拼接缝检测方法对初步拼接图像的拼接缝进行检测;最后,利用改进的灰度均值改正比算法消除初步拼接图像的拼接缝。实验结果表明:该方法不仅能较好地处理拼接缝附近的突变并保留纹理信息,而且比现有算法具有更快的速度。