血管靶向光动力疗法（vascular targeted photodynamic therapy,V-PDT）因具有良好的靶向选择特性,在临床上得到了广泛的应用。然而,临床研究表明,V-PDT疗效不仅在个体之间存在显著的差异,而且在同一患者不同病灶区域的血管响应也不尽相同。为了进一步准确评估和预测V-PDT疗效,本文结合计算机图像处理技术针对传统血管分割方法难以有效分割窄带光血管图像中细血管的问题,提出了一套适用于V-PDT中小鼠小鼠背部皮窗（dorsal skin windows chamber,DSWC）窄带光血管图像的血管分割、骨架提取以及血管量化的方法。完成的主要研究工作如下:（1）提出了判断式图像混合配准方法。针对V-PDT中窄带光血管图像因小鼠呼吸、心跳和不自主运动而产生的轻微和剧烈形变问题,判断式图像混合配准方法首先基于配准组别图像均方差值区分剧烈形变和轻微形变。对于轻微形变,直接采用Log-Demons算法进行配准;对于剧烈形变,采用SURF-TPS进行全局配准,随后采用Log-Demons算法进行局部配准。实验结果表明,本文所提方法不仅具有较高的配准精度,还具有较高的时间处理效率。（2）提出了双尺度融合的血管分割新方法。该方法采用传统算法实现V-PDT前后窄带光血管图像的粗血管提取。小尺度高斯匹配滤波能够增强V-PDT窄带光血管图像中的毛细血管网络,对于治疗前图像,提出变形Frangi模型进一步去除滤波结果中的背景;对于治疗后的图像;将前一时刻血管二值图像的背景作配准逆映射进一步去除背景;接着提取血管边缘进行血管二值处理得到毛细血管二值图像;最后融合粗细血管二值图像实现血管分割。实验结果表明,本文所提方法在视网膜DRIVE数据集上的分割精确度、灵敏度和特异性分别为94.69%、81.51%、96.11%。（3）提出血管骨架化及V-PDT中血管损伤的量化方法。根据血管二值图像采用细化算法提取血管骨架,在血管二值图像及血管骨架的基础上,实现V-PDT中血管直径、血管密度和血管分形维数的量化,为医生制定V-PDT个性精准化治疗方案提供更准确、全面的参考信息。