眼底图像分割技术一直是医学图像处理领域研究的热点和难点问题。迄今为止,它的研究工作已经取得了许多成果,但随着社会对临床眼底检测的迫切需要,以及现有眼底图像分割方法在实际应用和测试中表现出的诸多不足,这一领域面临的困难和挑战也日益增加。研究出能满足临床眼底检测所要求的准确性、客观性、可重复性标准的眼底图像分割方法,对于临床眼科研究以及与眼底病变相关疾病的诊断和治疗具有重要意义。本文正是在这一背景下,以有助于眼科临床诊断和治疗为前提,从理论与应用两个方面,对眼底图像分割方法进行了深入的研究。本文工作的主要贡献和创新总结如下:(1)深入研究了眼底图像预处理中图像去噪和眼底视场提取方法,实现了基于自适应中值滤波的眼底图像平滑方法和基于HSV空间模型的眼底视场提取方法。自适应中值滤波方法根据噪声密度改变滤波窗口的大小,同时对噪声点和信号点采取不同的处理方法,在滤除噪声的同时能较好地保护血管的边缘和细节信息;眼底视场提取方法将彩色RGB眼底图像转换为HSV空间模型,然后对V分量图像统计其灰度直方图从而提取出完整的眼底视场,为眼底图像后续处理提供了前提条件。(2)深入分析了改进型脉冲耦合神经网络(PCNN)的运行机理和动态行为特性,并将其动态行为特性与网络参数的设置相结合,给出了一种有效的参数设置准则。将改进型PCNN模型引入眼底图像分割,提出了两种基于人类视觉特性的血管分割方法:与最大类间方差算法(Otsu)相结合,提出了一种基于Otsu的改进型PCNN眼底图像血管分割方法;与分布式遗传算法(DGA)相结合,提出了一种基于DGA的改进型PCNN眼底图像血管分割方法。实验结果证明了改进型PCNN应用于眼底图像分割的可行性和有效性。(3)针对全局单阈值方法难以分割出眼底图像中目标与背景重叠区域灰度像素的缺点,提出了一种基于过渡区提取的血管分割方法。该方法采用最佳熵的方法提取主血管,采用分布式遗传算法和双阈值Otsu相结合的方法提取过渡区,然后通过区域连通性的特征分析、辨别所提取的主血管和过渡区,分割出最终的血管网络。由于该方法综合利用了血管灰度分布特征和区域结构特征,分割得到的血管在细小分支的提取,连通性和有效性方面都要优于Hoover算法的结果,另外,由于采用了分布式遗传算法来寻找过渡区最优阈值组合,算法运行的效率也明显提高。(4)针对病变眼底图像中血管分割的挑战,提出了一种新的基于向量场散度和定向局部对比度的病变眼底图像血管网络分割方法。该方法首先采用向量场散度方法获得病变眼底图像中的大部分血管中心线,然后计算出中心线上各像素点的方向信息并采用改进的定向局部对比度方法检测出中心线两侧的血管像素,最后对获得的血管末端进行反向外推追踪以获得连通的血管网络。该方法对于不同类型病灶的病变眼底图像都具有较好的鲁棒性,具有一定的临床参考价值和应用价值。(5)在眼底图像血管分割结果的基础上,提出了一种基于先验知识的眼底图像血管宽度测量方法。该方法利用获得的血管分割结果提取出血管网络的骨架,然后利用血管骨架的空间位置信息和方向信息采用改进的定向局部对比度方法从平滑图像中检测出血管的边界,从而计算出血管的直径宽度,为眼科研究提供了一种获取血管形态信息和量化数据的辅助手段。