伴随着社会的发展,各个年龄段的人群中患眼科疾病的人数迅速增长,目前大部分眼部疾病都会在眼底血流的状况上得以表现,而眼球作为人体的精密器官需要安全且高精度的设备进行检测。OCT眼底图像不但拥有传统眼科二维影像的优点,而且含有眼底深层细胞组织和血流信息。更重要的是相比于OCTA图像,虽然OCT图像缺失部分毛细血管信息,但是可以利用普通OCT图像结合计算机图像处理技术,分割OCT图像中的血管并对其特征进行量化分析,以实现OCTA图像的效果,并协助医生对患者眼底疾病的诊断。本文基于OCT图像和图像处理技术对眼底血管的量化方法进行了研究。首先,对OCT图像进行了预处理操作;其次,对enface OCT图像进行了去噪、对RPE层enface OCT图像的血管阴影进行了分割和对OCT b-scan图像进行了血管分割;最后,基于分割结果自动计算了有关眼底血流的量化指标。本文的主要工作内容如下:（1）在OCT影像的预处理阶段,对OCT图像原始数据进行了处理,包括原始图像的获取、数据清洗、配准、分层和做投影,并充分了解OCT图像的特性。（2）enface OCT图像噪声去除过程中,本文提出一种二维变换域傅立叶滤波器对enface图像去除方向性噪声的方法,使用傅立叶变换（FT）、小波变换（WT）和非下采样轮廓波变换（NSCT）来转换或分解enface影像,并二维傅里叶滤波器对变换后或分解后的图像进行了去噪,最后重建血管造影图像,获得对比度和清晰度都较高的enface OCT图像。（3）RPE层enface OCT图像血管阴影分割过程中,本文提出了一种改进的Unet血管分割算法,其通过对原始图像进行剪切,增加训练样本的数量,使得本模型总体参数量小,处理图像速度快,并且在分割血管阴影上相比于传统算法和原始Unet网络有着优异的表现。（4）OCT b-scan图像血管分割过程中,本文提出了一种知识注入的全卷积神经网络,用于从OCT b-scan图像中分割视网膜血管,结果证明将深层网络与适当的先验知识相结合可以在特定的医学图像处理任务中有显著提升效果。（5）眼底血流量化计算过程中,本文主要是利用现有图像处理技术自动化提取有关眼底血管的量化指标,包括血管的端点、连续点、分叉点和交叉点定位、血管长度测量、血管方向检测和血管管径测量,为眼部疾病的早期诊断提供了数据支持。