针对裂隙灯转鼓的光学装校, 提出一种数字化装校方法。该方法采用透射式装校系统原理, 在检测光路前后加入十字线, 通过观察2个十字线在CCD图像中的成像来判断装校质量, 最后通过图像处理得到数字化信息。通过提取2个十字线的中点坐标, 判断转鼓光学系统的光轴是否一致; 通过提取CCD图像的清晰度大小, 判断转鼓光学系统是否对焦。利用该方法对转鼓进行装校, 结果表明: 该方法是一种利用图像处理技术将装校位置信息转化为数字信息的数字化方法, 通过数字图像分析装校误差在0.1 mm以内。

立体匹配是计算机视觉领域研究的重点,大部分立体匹配方法都是将图像当作数字信息进行数学计算,缺少与实际人眼视觉特征的联系。结合人眼的同心圆拮抗式感受野以及符合人眼特性的HSI色彩空间模型对原自适应支持权重(ASW)算法的权重计算进行了改进,并通过左右一致性校验和中值滤波方法进行视差优化。在VS2010平台对几组国际标准图像进行测试,结果表明,相比原始ASW算法,该方法在低纹理区域、深度不连续区域的匹配精度都有所提高,根据测试图像的不同,提高程度在10%至20%不等,总体匹配精度和近年主流局部匹配方法相当。

针对传统眼底照相机检查不到视网膜边缘的缺陷，提出一种基于Volk角膜接触透镜的免散瞳广域视网膜成像系统。照明充分时，Volk镜头能够达到130°以上的视场。在传统眼底相机的基础上改进照明方式,采用外部环形光纤照明的方式实现视网膜广域照明。增大入射角度消除鬼像的影响，同时避免由环形照明方式导致的中心区域的暗斑现象，被照亮的眼底图像经过接目物镜组消除眼角膜反射造成的杂光并采用手动调焦的方式在CMOS相机上成现清晰的像。图像采集使用(2/3)英寸板面彩色CMOS相机并且实时上传至电脑客户端进行分析、处理、存档等操作，经过后期图像处理后可为各类眼科疾病的诊断、筛查提供清晰、客观的依据。

为分割出眼底图像中的视盘, 构建基于眼底图像的计算机辅助诊断系统, 提出了一种基于视网膜主血管方向的视盘定位及提取方法。首先, 利用Otsu阈值分割眼底图像R通道获取视盘候选区域; 然后利用彩色眼底图像的HSV空间的H通道提取视网膜主血管并确定主血管方向; 在此基础上, 通过在方向图内寻找出对加权匹配滤波器响应值最高的点确定视盘中心位置; 最后, 利用该位置信息从视盘候选区域中“挑选”出真正的视盘。利用该方法对100幅不同颜色、不同亮度的眼底图像进行视盘分割, 得到准确率98%, 平均每幅图像处理时间1.3 s。结果表明: 该方法稳定可靠, 能快速、有效分割出眼底图像中的视盘。

为实现糖尿病视网膜病变（糖网）的自动筛查，建立了基于免散瞳眼底图像的糖网自动筛查方法。该方法包括视盘定位及提取、糖网白色病灶（硬性渗出、棉绒斑）自动检测以及微动脉瘤与视网膜内出血的自动检测。在此基础上设计并实现了基于免散瞳眼底图像的糖网自动筛查系统。利用已实现的系统对临床采集的7 687个样本共15 374幅眼底图像进行糖网自动筛查，对样本个体的检测结果为：灵敏度96.46%，特异性96.07%，平均处理时间57.87 s。测试结果表明，所构建的基于免散瞳眼底图像的糖网自动筛查系统满足英国糖尿病协会提出的糖网自动筛查标准（最低灵敏度80%，最低特异性95%）。

针对目前单一地从左右立体图像进行视差估计的问题, 提出一种新的立体匹配算法, 利用离散小波变换将目标图像分解为多个子带, 针对各个子带图像实施阈值改进, 继而进行小波逆变换提高各个子带图像的匹配质量。在此基础上基于图像分割算法进行视差估计, 并结合人类视觉系统模型 HVS的噪声可见度函数将各个子带的视差图像融合为最终图像。实验结果表明, 与以往算法相比, 该算法有效提高了视差估计精度。

为了满足自适应光学系统实时快速的工作要求, 将自动控制理论引入到自适应光学系统中, 在不改变系统硬件性能的基础上对系统的控制部分进行了研究。首先, 对自适应光学闭环控制系统进行分析, 将其模块化并建立相应的数学模型;其次, 在自动控制理论基础上设计控制器和相应的控制算法, 并分析了控制器的性能;最后, 将自动控制理论的控制方法与人眼波前像差校正相结合, 使控制算法应用到自适应光学系统波前像差的校正中。结果表明, 相对于传统的自适应光学系统控制方法(纯积分控制和比例-积分控制), Smith预补偿控制使自适应光学控制系统具有较高的闭环带宽和较好的动态、稳态控制性能;在模拟人眼波前像差迭代校正过程中, Smith预补偿控制器校正残余像差的快速性最好;在实际人眼动态像差校正中, Smith预补偿控制校正的残余像差值达到最小,有利于自适应光学控制系统优化。

针对导致自适应光学视网膜图像降质退化的原因，提出了一种结合双树复数小波变换(DT-CWT)和图像半盲解卷积复原算法的方法。首先，对经过自适应光学实时校正技术得到的视网膜图像进行DT-CWT分解，得到低频和高频部分对应的图像。将自适应光学成像系统中残余像差重建的光学传递函数作为图像复原模型的初始估计点扩散函数(PSF)，并对低频部分图像进行条件约束的迭代半盲解卷积复原；对高频部分的图像进行去噪处理。最后，将处理后的高频和低频部分图像进行双树复数小波逆变换，获得复原图像。实验和结果表明：由该方法处理的视网膜细胞图像质量得到明显提高，图像客观质量评价参数相对于原始图像提高了5倍多；在视网膜细胞的空间频率范围内(70~90(°)-1)，复原图像功率谱平均值提高了5倍左右，有助于对视网膜细胞的高分辨率观察。