视网膜微血管是唯一可以进行无创观察及成像的人体细小血管。任何系统性及血液性病变都会导致视网膜微细血管的病变,因此,高分辨率高对比度的视网膜微血管图像对系统性及血液性疾病的早期诊断和医学研究具有重大意义。借助于自适应光学技术,有效地提高了视网膜成像的分辨率。然而,由于传统的波前探测算法精度较低,且波前探测的动态范围较小,无法满足高度近视或散光人眼的像差探测。另一方面,由于人眼像差的动态特性,从像差探测到最终成像人眼像差会在一定幅度内波动,导致成像时系统存在残余像差,从而导致视网膜图像分辨率以及对比度的降低,不利于疾病的早期诊断。针对这一问题,目前普遍采用盲解卷积的方式对获得的视网膜图像进行处理,图像复原效果较差。因此,本文主要针对改进视网膜自适应光学成像质量进行了详细研究。本文在充分研究了视网膜自适应光学成像系统及核心器件的基础上,首先对哈特曼波前探测器的探测精度及动态范围进行了全面的分析,提出了一种匹配滤波质心探测算法。该算法从整幅光斑图入手,采用匹配滤波的方式同时计算所有光斑质心,与传统质心探测方法相比,探测精度提升约一个数量级。在此基础上,运用几何学手段,将计算出的质心图与微透镜阵列一一对应起来,从而扩大了哈特曼波前探测器的动态范围,实验表明,该算法对zernike前24项像差的动态范围提升从57.1%至160%不等。由于人眼像差具有动态特性,从像差探测到最终视网膜成像的过程中,人眼像差会在一定幅度内波动,导致系统中像差不能够完全校正,系统残余像差会导致视网膜图像退化,图像对比度降低。为了解决这一问题,本文从图像退化的机理出发,提出了一种基于光学传递函数估计的图像复原算法,该算法采用利维稳定密度分布函数来近似拟合系统残余像差构成的光学传递函数,从而获得一系列复原效果不同的视网膜图像,最终由相关专家挑选出视觉效果最佳的图像进行后续的疾病诊断,复原后图像的拉普拉斯梯度和从0.0785提高到0.1480,灰度平均梯度从0.0165提高到0.0306,有效地提升了视网膜图像的对比度及分辨率。视网膜微血管成像依靠血红蛋白对照明光的吸收形成暗区域从而与周围组织的后向散射形成对比,由于周围组织的后向散射通常较弱,导致视网膜微血管图像对比度极低。因此,从单幅对比度较低的图像中分割出视网膜微血管用于疾病诊断是极为困难的。为了解决这一问题,本文提出一种追踪血细胞运动轨迹的视网膜微血管分割算法。该算法通过追踪视网膜微血管中快速移动血细胞的运动轨迹,从而分割出视网膜微血管的轮廓,随后结合双模板匹配滤波方法消除视网膜微血管图像中的伪边缘,最终采用边缘-角点检测方法进一步消除配准误差以及视觉细胞抖动导致的扩展噪声,从而获得了清晰的视网膜微血管边缘图像。