1.一种基于曲线群匹配的OCT眼底图像半自动分割方法，其特征在于，包括以下步骤：(1)接收一幅m行n列的眼底图像并进行预处理；

(2)确定所述眼底图像每一列的灰度值向量曲线fα＝[x1,x2,x3...,xm]T，α∈{1,n}，xi∈{0,255}，计算灰度值向量曲线fα中每个像素点的描述子，得到所述眼底图像的描述子矩阵；其计算方法为：对于灰度值向量曲线fα＝[x1,x2,x3...,xm]T，α∈{1,n}，xi∈{0,255}，针对任一元素xi，取距离任一元素xi最近的l个点构成子序列pi，将pi分成s个可重叠的小区间，每个小区间的维度小于l；用最小二乘法在每个小区间内拟合直线，将子序列pi内所有小区间的直线斜率整合到一起，得到像素点xi的s维的向量描述子di＝fslope(pi)，di表示xi的局部曲线特征；

(3)基于所述描述子矩阵，通过动态时间规划算法将所有灰度值向量曲线进行两两匹配，得到成对曲线像素点之间的空间对应关系矩阵；

(4)接收用户手动指定的像素点，根据所述像素点的坐标和所述空间对应关系矩阵，找到与所述点对应的所有像素点，拟合得到平滑的分割线。

2.如权利要求1所述的基于曲线群匹配的OCT眼底图像半自动分割方法，其特征在于，所述步骤(1)的预处理包括图像滤波和对比度增强。

3.如权利要求1所述的基于曲线群匹配的OCT眼底图像半自动分割方法，其特征在于，所述步骤(3)包括：采用欧氏距离计算任意两条曲线上各向量描述子的相似度，得到相似度矩阵；

基于动态时间规划模型求解两条曲线上点的索引对应关系矩阵P；

所述动态时间规划模型为：

其中，P＝[pα,pβ]T∈R2×k表示两个描述子序列索引的对应关系，k表示对齐两个描述子所需要的步数，当曲线Dα中的第q个描述子与曲线Dβ中的第j个描述子在第t步对应时，则所述模型的求解是通过路径规划策略寻找相似度矩阵中相似度最小的路径；

根据索引对应关系矩阵P，计算得到对应关系矩阵Lαβ∈Rm×m，当且仅当存在时，Lαβ中第(q,j)元素为1；把每两条曲线的对应矩阵计算出来后存储到一个连接矩阵L∈{0,1}mn×mn中，得到成对曲线之间的空间对应关系矩阵，其中，当α＝β时，Lαβ＝1。

4.如权利要求3所述的基于曲线群匹配的OCT眼底图像半自动分割方法，其特征在于，所述路径规划策略为：其中，L*(Pr)表示到第r步所需要的损失函数，ω表示连续步骤间的转化方式，约束条件包括：(1)边界条件：所有规划路径都是从点(1,1)开始到(n,m)结束，即：从步骤P1＝[1,1]T开始到步骤Pk＝[n,m]T结束；

(2)单一性：如果r1≤r2，则pr1-pr2≤0；

(3)连续性：Pr-Pr-1∈{[0,1]T,[1,0]T,[1,1]T}。

5.如权利要求1所述的基于曲线群匹配的OCT眼底图像半自动分割方法，其特征在于，所述步骤(3)得到空间对应关系矩阵后还包括：对所述空间对应关系矩阵进行像素点的匹配优化。

6.如权利要求5所述的基于曲线群匹配的OCT眼底图像半自动分割方法，其特征在于，所述匹配优化包括：构建优化目标函数：

其中，<·，·>表示内积，Xαβ表示Lαβ优化后的矩阵，ε是平衡稀疏结构程度的正则项参数，λ为核函数的权重，核范数||X||*最小化X的秩，需满足以下约束：(1)自身匹配被记为单位矩阵，(2)X必须是对称矩阵，(3)X中的值必须在[0,1]之间；

用Z表示α1-L，令X＝ABT，u

采用交替方向乘子算法解决优化函数最小化问题。

7.如权利要求1所述的基于曲线群匹配的OCT眼底图像半自动分割方法，其特征在于，所述步骤(4)采用三次B样条插值进行分割线拟合。

8.一种基于曲线群匹配的OCT眼底图像半自动分割装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的基于曲线群匹配的OCT眼底图像半自动分割方法。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时执行如权利要求1-7任一项所述的基于曲线群匹配的OCT眼底图像半自动分割方法。