近年来,基于眼底图像的病变及生理结构的识别被广泛研究和应用,这对于预防和及时诊断白内障、青光眼等一类的致盲性眼科疾病具有重要的意义和作用。但是由于患眼科疾病的病人越来越多,而眼科专家的数量无法满足大量病人的需求,因此越来越多计算机视觉及医学领域的专家关注和研究基于医学图像的计算机自动识别及诊断系统。在眼底图像中,视盘是最主要的生理结构之一,因此对视盘进行高效的定位是自动分析处理眼底图像研究工作中非常重要的处理步骤,但是由于例如非均匀光照、对比度、病变等诸多因素的干扰,视盘的外观有可能被这些因素严重破坏,这使得在眼底图像中准确的定位视盘有较大的难度。针对这些问题,本文首次提出了应用并优化基于最佳兄弟相似性的高鲁棒性的模板匹配方法,对眼底图像中的视盘进行快速高效的定位检测。本文所做的主要工作包含以下三个方面:(1)研究分析传统的视盘定位方法的优势与不足分析总结现有的眼底图像视盘定位方法的优势和不足,经过总结可以发现:传统方法受病变区域影响较大,且大多需要基于对眼底图像进行精准的血管分割,计算复杂度较高,无法实时的定位视盘。(2)提出本文方法基于模板匹配的算法较少,一些应用了恰当的相似性度量的模板匹配算法在自然图像中表现出了较好的性能,将这一思路应用于医学图像,研究设计具体算法并进行实验验证理论。结合眼底图像视盘的外观特征及位置特征,提出了本文的两个创新点:1、提出了一种新的眼底图像视盘定位方法,首次将最佳兄弟相似性算法应用于医学图像领域,进行眼底图像视盘定位工作,提高了眼底图像视盘定位的成功率和准确率。2、提出了基于一阶导数的图像梯度度量优化最佳兄弟相似性的距离度量,从而使该算法更加适用于眼底图像视盘定位工作。(3)设计实验实现本文算法,并对实验结果做出分析总结将算法实现,并通过两个公共数据集DRIVE,DIARETDB1进行验证,定位成功率分别达到了100%和97.7%,平均误差分别10.4和12.9,单位为像素。将实验结果与其他算法进行对比分析发现,本文所提出的算法具有较好的性能。