针对人眼无意识的抖动导致图像位置在眼底成像设备上无规律变化而无法有效观察指定区域的问题，提出了一种视网膜图像实时动态稳像算法.该算法依据图像匹配理论，在图像探测的同时引入图像有效区域实时“计算移位”.利用时间上相邻的视频序列图像近似对应于眼底同一位置的特点，通过“采集运算”找到当前采集图像的中心区域.把当前图像的中心区域与第一帧采集图像的中心区域进行相关匹配，获取当前视网膜图像相对第一帧图像抖动的偏移方向和偏移量，然后把当前图像移位，循环执行此过程，并剔除无法匹配的图像，使得屏幕上的图像始终是在同一个位置的静态图像.实验证明：本文提出的算法解决了自适应眼底成像设备在对视网膜细胞观测时因为人眼自然抖动而造成的图像不稳定问题;解决了人眼在可见光波段的激光照明下受到较强刺激而无法长时观测的问题，实现了细胞和微血管同平台同算法观测;是采用拼接技术实现大视场图像的前提.

为获得清晰的高分辨率人眼眼底视网膜图像，自适应光学系统中变形镜必须能够实时跟踪并补偿人眼中随时间变化的像差信息。对波前像差特别是动态像差的校正能力不仅取决于变形镜等硬件的性能，还与自适应光学系统中的控制算法密切相关。在不加大硬件复杂度的基础上，介绍了一种基于Kalman 滤波的线性二次高斯(LQG)人眼像差校正最优控制模型。首先分析了自适应光学系统的离散性，证明在离散模式下研究自适应光学系统的可行性；然后建立了基于Kalman 滤波的LQG 优化控制模型，并给出基于LQG 优化控制的像差校正控制算法；最后通过仿真实验验证了基于LQG 优化控制的像差校正算法对动态人眼波前像差校正的可行性和有效性。

针对液晶人眼像差校正仪拍摄的小视场视网膜血管图像的拼接算法进行了研究。通过对传统的Harris特征角点算法的改进, 解决了该算法在低对比度、小视场视网膜血管图像处理中定位精度较差、需要三次高斯平滑而导致计算量相对较大以及对噪声比较敏感的缺点。然后将配准好的图像进行融合, 实现了视网膜血管图像快速、准确的无缝拼接, 扩大了视网膜的观测区域, 为医务人员的诊治判断提供了更准确的信息。