高血压、心脏病等血管类疾病是严重危害人类健康的常见疾病，而血管影像是目前此类疾病诊断和治疗的一个重要手段。随着成像技术发展与成像分辨率的提高，现代影像设备所产生的海量数据单纯依靠人工判读已不现实。以图像处理为基础的计算机辅助诊断技术是解决这一难题的有效途径。本文针对视网膜图像具有血管细小、拓扑复杂、密度不均等特点，借助曲线演化模型在结合上层先验知识与底层图像信息方面的优势，研究了视网膜图像血管的分割方法，以满足计算机辅助诊断中目标定位与量化评估的需求。主要内容如下：（1）针对传统参数曲线演化模型对初始化位置要求严格，与气球力模型无法改变外力方向的问题，本文提出一种区域概率密度外力模型。通过利用前二者忽略的区域灰度分布统计信息，建立了不同区域的参数化模型，在判断每个局部区域属于各模型的概率基础上，决定曲线的演化速度大小与方向，从而在增加外力捕捉范围的同时避免了泄漏发生。（2）由于几何曲线演化模型具有能够改变自身拓扑结构的优点，主要研究了基于区域的曲线演化模型。针对局部区域拟合模型（LBF）分割血管这种细长结构时出现的尺度选择与分割精度的矛盾，通过加入局部区域灰度信息，扩展了距离函数的维度定义，较好的改善了上述问题。（3）结合视网膜图像中血管与视乳头分割的应用要求，利用了上述讨论的曲线演化模型对二者分割：1）在分割血管时，由于视网膜图像背景复杂、成像不均，需先利用Gabor变换增强血管特征以利于后续分割。在研究梯度幅值表达边缘特征不足的基础上，提出了一种基于向量流的边缘正则表达项，并将其与第三章改进LBF曲线演化模型结合分割视网膜血管。2）针对视乳头形状特征与血管特征的差异性，提出了一种基于圆度表达的形状约束曲线演化模型，使得在局部图像信息丢失的情况下，也能够正确地分割视乳头。实验表明，本文的方法能够克服视网膜图像血管直径大小变化、形状复杂，背景强度不一致等干扰，在正常成像情况下，较准确地分割血管与视乳头。