视觉是人类取得外界信息的一个主要媒介。随着人口老龄化和眼睛保护意识的缺乏,老年性黄斑病变,病理性近视和视网膜色素变性等视网膜病变导致视力下降。眼科医生主要利用频域光学相干断层扫描技术(SD-OCT)获得的视网膜图像来诊断和预测疾病。SD-OCT成像技术一次扫描产生128个低分辨率(Low Resolution,LR)图像,以形成三维的体数据,同时,在视网膜黄斑中央凹位置产生5幅高分辨率(High Resolution,HR)图像,视网膜病变组织结构清晰可见。由于HR图像数量少,无法对病变组织进行三维量化分析。LR图像含有大量散斑噪声,低质量图像给眼科临床医生的诊断和病变组织的量化预测带来困难。随着超分辨率重建(Super Resolution,SR)技术在医学图像上的广泛应用,本文对LR视网膜图像进行超分辨率重建。重建后的视网膜图像质量得到改善,有利于视网膜疾病进一步的精确治疗。本文主要基于字典学习的超分辨率算法框架,研究了抑制散斑噪声和保持边界的算法,提高了重建图像质量。论文的主要工作总结如下:(1)提出了一种非局部相似性的视网膜图像超分辨率算法。由于相似图像块的稀疏系数也相似,所以本文利用噪声图像块与其邻域图像块之间的相似性质来构造约束项,将非局部相似性约束项作为SR算法目标函数的正则项。实验表明,提出的算法在SR重建的同时能够有效抑制散斑噪声的影响。(2)提出了一种边界保持的视网膜图像超分辨率算法。视网膜图像的边界信息对病变区域的检测和分割至关重要,因此,超分辨率重建后图像应该尽可能多的保持边界信息。本文利用HR图像的边界先验信息指导LR图像边界重建。实验结果证明,提出的算法实现了在超分辨率过程中边界信息的保持。(3)提出了一种边界保持和非局部相似性联合约束的视网膜图像超分辨率算法。本文利用非局部相似性约束和边界保持约束同时作为超分辨率算法目标函数的正则项。实验验证,通过优化求解目标函数能够达到同时保持边界和抑制噪声。(4)本文设计实现了一个视网膜图像的超分辨率系统,系统主要实现四种超分辨率算法视网膜图像重建和图像处理基本操作(浏览、类型转换、几何变换、加噪声、去噪、增强和边缘检测),另外,系统还实现了对视网膜层结构的手动画线。