光学相干层析成像(Optical coherence tomography,OCT)具有无侵入、高分辨率和快速成像的优点,它能够无接触、无创伤和快速的以二维或三维图像形式重构出视网膜多层微米级的生物结构和显著的病变特征。在全球视网膜患者快速激增的情况下,眼科医生可以通过视网膜OCT图像视网膜层的厚度或病变容积等度量变化,广泛对青光眼、老年黄斑病变和中心浆液脉络膜视网膜病变等主要眼底视网膜疾病进行筛查和诊断。但OCT图像中存在大量干扰因素,如固有的斑点噪声、视网膜血管造成某些层的不连续性、对比度弱、前膜伪影或某些病变结构形成的层内或层间结构的不规则性等,不仅导致视网膜OCT图像多层的自动分割受到了影响,而且限制了对一些病变图像进行层厚度或病变容积的有效度量。本文针对目前存在的诸多不利因素的干扰,重点研究了两个关键问题,即视网膜黄斑区OCT图像多层的自动分割方法和视网膜层厚度及病变容积的度量。主要研究内容和创新结果如下:针对图像中存在大量固有的斑点噪声和血管伪影对视网膜层间边界检测的干扰问题,本文提出了一个基于图优化的视网膜黄斑区OCT图像分层方法。通过借鉴格式塔心理学中目标结构完整性原则,该方法首先定义连通分支为图中的顶点,构造完全加权图,并融合局部区域信息来提升图像处理的质量。然后,应用当前较为流形的图优化技术提取各条边界。最后,实验表明该方法能够有效和稳定地提取十一条边界并分割十层视网膜,有效地避免了图像中的斑点噪声和血管伪影的干扰。针对图像中局部存在前膜伪影等结构因素对视网膜中内界膜等边界检测的干扰问题,基于SLIC超像素块分割方法与流形排序技术,本文提出了一个视网膜黄斑区OCT图像自动分层方法。该方法替代以往分割方法中考虑单个像素的灰度和梯度特征,而主要聚焦在超像素块或连通分支在图像中的纹理信息和空间信息。首先,用分割的超像素块去剔除前膜伪影对内界膜边界的干扰。然后,分三个阶段对连通分支采用流形排序技术进行边界检测。最后,实验表明该方法可以有效和稳定地对视网膜的十一条边界和十层进行了提取和分割。针对中心浆液脉络膜视网膜病变对视网膜中色素上皮层附近边界检测的影响,本文提出了一个基于超像素边的中心浆液脉络膜视网膜病变OCT图像分层方法。该方法首先通过提取的连通分支定义了超像素边,并对超像素边进行正则化处理,避免病变造成的边界不连续性和结构不规则性的干扰。然后,仅应用超像素边作为顶点构造加权图,采用流形排序技术,优化三个阶段的边界检测为两个阶段。最后,该方法快速地对含有中心浆液脉络膜视网膜病变的弱对比度图像进行快速有效的自动分层。针对弱对比度OCT图像中,中心浆液脉络膜视网膜病变的检测受图像灰度不均匀和空间结构不规则等干扰因素的影响,本文提出了一个基于粗粒度扩散映射的弱对比度OCT图像中心浆液脉络膜视网膜病变检测方法。该方法首先采用基于超像素边的中心浆液脉络膜视网膜病变OCT图像分层方法对病变图像进行分层,然后对色素上皮层附近区域进行超像素块分割,最后采用粗粒度扩散映射的方法对病变进行准确和有效的检测,实现病变三维可视化和病变容积的量化度量研究。并对正常人眼和中心浆液脉络膜视网膜病变患者的视网膜黄斑区OCT图像进行十层九个不同区域的厚度度量和比较研究。