近年来,由于不健康的饮食习惯和生活方式导致糖尿病视网膜病变、高血压等多种疾病逐年增加,视网膜血管的形态结构变化是检测眼部疾病和心血管疾病的重要指标,因此,对于视网膜血管的准确分割是诊断这些病变的关键任务。手动执行这种分割是一项耗时的任务,需要医学专家大量的知识和经验。此外,由于专家可能使用不同的像素分类标准,主观感知会导致分割的不一致。因此,在计算机辅助诊断中,开发和实施稳健的自动化血管提取方法对于疾病的早期诊断和评估至关重要,不仅可以降低医疗成本,还能提高工作效率。本课题针对视网膜血管分割问题进行研究,主要工作如下:（1）提出一种基于阈值的眼底图像视网膜血管分割方法。针对视网膜图像中非血管结构对血管分割精度的影响,如黄斑、视盘和病灶区域,以及视网膜血管宽度变化的问题,提出将线性结构元素与圆盘结构元素相结合的方法来消除上述问题的影响;针对视网膜图像对比度差、强度不均匀以及图像采集过程中存在噪声的问题,提出将同态滤波和三维块匹配（Block Matching 3D,BM3D）去噪算法应用于视网膜血管分割,来校正不均匀光照和抑制噪声,进一步促进血管和非血管区域之间的区分;最后采用阈值分割方法提取血管。（2）提出一种基于改进的线检测器与HMM相结合的视网膜血管分割方法。根据视网膜图像血管分割中通过调节照明分量的强度来增强眼底图像反射率的问题,提出改进的基于Retinex的照度和反射分量估计的方法,该方法能更详细地保留估计的反射率,且能抑制一定程度的噪声;然后采用具有保持血管边缘优势的基于局部相位技术来增强视网膜血管图像;针对视网膜血管宽度差异大以及薄细血管分割不足等问题,本文对视网膜宽血管和微小血管分别进行分割。通过分析基本线检测器存在的不足,对其进行加权改进,用于提取视网膜血管的主要结构,同时对原有的基于隐马尔可夫模型（Hidden Markov model,HMM）跟踪方法添加适当的跟踪约束,用以检测包含薄血管在内的血管中心线,最后融合这两种分割结果,获得最终的血管分割图。本文在两种可公开访问的DRIVE和STARE数据集上进行实验仿真,验证所提方法对于血管分割的性能,实验结果表明,两种算法均能在保证主干血管分割连续和完整的情况下,尽可能地准确分割更多的薄细血管,减少误分割,整体的分割性能与多数先进的眼底血管分割算法相当。