计算机辅助医疗是计算机行业与医疗行业发展融合的产物,图像处理技术的介入为医学诊疗带来了极大的便利。眼科医学中,通过动态观察眼角膜神经的分布与形状能够一定程度上判断角膜神经病变的严重程度。活体共聚焦显微镜（In Vivo Confocal Microscopy,IVCM）能够实现对眼角膜神经纤维的观察,是一种简单、快速、客观、无创地完成小神经纤维病变筛查的检测手段,因此眼科医学中常使用IVCM对眼角膜进行快速和无创的临床评估分析。但IVCM拍摄的眼角膜基底下神经丛图像视野范围小,难以直接利用原始图像对眼角膜神经纤维状况充分了解,对眼角膜基底下神经丛IVCM图像进行拼接具有重要研究价值。眼角膜基底下神经丛IVCM图像具有对比度低、光照不均匀、个体差异大的特点,特征检测过程提取信息量丰富的特征点难度大,融合过程易出现接缝,又因为拍摄过程中无法对已拍摄区域进行标记,会出现样本冗余度大的情况。为了解决此问题,本文对眼角膜基底下神经丛IVCM图像拼接技术进行了分析与深入研究,探讨了基于语义信息的图像配准算法、基于渐变掩码的图像融合算法和相邻图像自动匹配算法。本文主要研究内容如下:（1）眼角膜图像配准。针对眼角膜图像对比度低、光照不均匀的特点,提出基于眼角膜图像语义信息（Semantic Information,SI）的SI-Harris特征检测算法和特征匹配算法。SI-Harris特征检测算法使用根据光源分割的最大类间方差法提取基底下神经丛,以完成关键语义的提取,设计自适应阈值Harris算法提取关键语义上的候选特征点并进行筛选,从而得到用于特征匹配的稳健特征点集。特征匹配过程改进了随机一致抽样算法（Random Sample Consensus,RANSAC）,采用六点法计算基础变换矩阵H,并加入提前停止迭代机制减少迭代次数。最后使用传统算法与本文算法进行仿真实验对比,实验结果表明本文算法提取的特征点利用率高、决策性好,同时在特征匹配速度与匹配准确率上均有良好表现,满足眼角膜图像配准需求。（2）眼角膜图像融合。针对融合时图像重叠区域为不规则形状,导致角膜融合图存在过渡不自然现象的问题,提出了基于渐变掩码的眼角膜图像融合算法。该算法利用眼角膜图像在融合图中的位置掩码,得到两图像不规则重叠区域的掩码,并分别生成和值恒为1的重叠区域渐变掩码,然后使用渐变掩码与原图像相乘并叠加,得到平滑过渡的眼角膜融合图。使用主观评价和标准差、信息熵、平均梯度和Qabf四种无参考图像的客观评价指标验证融合质量,同时结合有参考图像的客观评价指标辅助验证,证明融合图携带信息量丰富、清晰度高,图像质量良好。（3）相邻图像自动匹配算法生成大视野眼角膜图像。使用基于LSD（Line Segment Detector）的直线方向计算方法得到眼角膜图像中基底下神经丛的方向,并为图像生成主方向,依靠图像主方向并参考图像拍摄顺序进行输入图像的相邻图像匹配,生成大视野眼角膜图像。最后根据大视野图像生成单个研究对象的眼角膜图像广域图,进而利用广域图进行眼角膜基底下神经丛的病理分析。（4）眼角膜基底下神经丛图像拼接系统设计。设计了基于眼角膜基底下神经丛IVCM图像的拼接系统,将本文提出的指定眼角膜图像拼接功能和大视野眼角膜图像的生成功能,以及一系列眼角膜图像处理与分析算法整理到一个系统中,采用计算机视窗技术和菜单栏结构增强界面可操作性。该系统实现了眼角膜图像的一键拼接功能和大视野图像智能生成功能,界面友好、安全性高,能够为医生的诊断提供便利。