魏丽芳 潘 林 余 轮

（福州大学计算机图象图形研究所，福州 350002）

引言

眼底图像配准技术在辅助眼科诊断和治疗过程中有着广泛的应用［1-2］。通过配准眼底图像，医生能够更好地诊断和检测各种与眼底相关的疾病，如糖尿病、青光眼、黄斑部变性等，图1给出两幅病变眼底图像示例。

近年来，各种眼底图像配准技术已得到广泛研究，目前眼底图像配准方法主要分为基于灰度的方法和基于特征的方法［3］。基于图像灰度的配准方法直接利用图像的灰度值来确定配准的空间变换，其充分利用图像中所包含的信息；但基于灰度的方法容易陷入一个局部极小值，而且变换模型的搜索空间是巨大的。基于特征的方法是以待配准图像对之间存在的对应特征点（如血管分支和交叉点）为基础，通过测量对应点之间的相似性最值完成。鉴于两种方法的特点，基于特征的眼底图像配准算法得到越来越多的应用。Can等提出层次匹配方法［2］，基于血管分支和交叉点，对于血管分支和交叉点的提取利用了血管追踪和特征抽取的模式。Zana等利用形态学方法提取血管树，将血管树分支和交叉点（特征点）用邻近血管的方向进行标注，实现每对匹配的特征点之间的角度不变性［4］。但这类方法仍然依赖于眼底血管结构的提取。文献［3］将适合曲面配准的迭代最近点iterative closest point，ICP）算法引入眼底图像配准，提出双重引导的迭代最近点算法（dual-bootstrap iterative closest point，DB-ICP）。该算法对于眼底的曲面结构可以获得精确的配准，在较好初值的前提下，算法具有较好的收敛性。……