视觉是人重要的感觉,而眼底病属于最普遍的视觉障碍疾病,眼底视网膜图像可以用于各种眼底病检查和全身性疾病的早期诊断,眼底图像配准是视网膜医学图像分析中的一项关键技术。多光谱眼底成像是近期发明的非接触、高分辨率眼底冠状面多模态成像技术,通过使用多个不同波长的光谱带穿透眼底视网膜、脉络膜获得的不同深度眼底层的序列切片。该技术提供的非侵入性视网膜和脉络膜图像通过整合光谱信息能够更加突出解剖结构和代谢信息,多光谱技术的出现是眼底疾病诊断技术的革新。由于多光谱眼底图像采集时间往往比眼球自然扫视运动的时间长,往往会导致多光谱眼底图像中相应的生理结构存在空间偏差,并且由于不同切片间解剖结构的差异使其分析难度增大,有效的解决这种空间错位、量化多光谱切片之间的解剖信息,有利于辅助医生做出精准的医疗诊断,监测疾病的发展状态。实现多光谱图像配准对眼科诊疗有重要的临床实用价值。目前眼底图像配准方法往往是基于两幅图像之间的配准,由于多光谱图像序列切片间存在着一定的联系,仅基于任意两幅图像进行配准忽略了序列间关联信息的使用。目前存在的群匹配方法主要应用于单模态图像间的配准,并且此类方法多数依赖于图像间成对匹配的结果。本文针对上述问题,提出了多光谱眼底图像群匹配方法,构建了基于半定规划和基于二次规划的群匹配模型,综合考虑图像序列间的信息,联合优化同时得到所有图像序列切片间的特征点匹配关系。在采集的真实眼底图像数据集上进行实验,结果表明本文提出的群匹配方法匹配正确率明显高于基于成对匹配的方法,并且具有一定的抗噪性,即使在切片间解剖结构的不同带来的特征点对应关系缺失的情况下,仍能表现出较好的匹配结果。本文的主要创新点和贡献有以下几点:(1)早期眼底图像配准算法仅限于两幅图像之间的配准,本文创新性的应用群匹配思想于多模态图像配准,提出一种多光谱眼底图像群匹配方法,联合多模态眼底序列图像同时进行特征点的匹配,从而使得配准结果更接近最优化方案,提高配准的正确率。(2)医学专家指定的特征点对应关系可以以约束条件的形式融入到本文配准方法框架中,允许医学专家利用其丰富的经验知识人为干预配准过程,所提出的模型能够自动或者半自动的执行,有利于眼科医生的临床应用。(3)由于多光谱眼底图像的采集本身就存在一定的噪声,同时特征点匹配成本的计算也存在一定的误差,本文方法可以通过已确定的特征点对之间的对应关系对由噪声造成的错误匹配关系进行校正,并且在眼底病变患者的眼底图像质量较差导致特征点缺失的情况下具有较高的鲁棒性。