视网膜血管是全身微循环系统的重要组成部分,其形态结构的变化与糖尿病、高血压、冠状动脉硬化和脑血管硬化等心血管类疾病的病情严重程度密切相关。糖尿病是一种全球性的非传染性疾病,由其引发的视网膜病变是一种最常见的视网膜血管病,极易致盲。通过提取视网膜血管,对其管径和弯曲度等特征进行相关参数的测量与分析,就能够在很大程度上对糖尿病视网膜病变进行预测,从而科学地实施预防性干预和药物治疗。因此,视网膜图像血管分割技术的研究对于医学临床应用具有十分重要的意义。视网膜图像的特征较为复杂且因人而异,视网膜血管的自动提取极容易受到外界条件及病变本身的影响。因此,提高视网膜血管的提取精确度是一项重要的研究课题。本论文提出了一种基于多尺度线性检测和图像局部熵阈值的视网膜血管分割算法。该算法的创新点在于不仅能够正确处理存在中央反射的血管分割问题,还能够正确处理紧邻血管分割容易出现合并的问题,同时也具备分割出更多细小的毛细血管的优点。首先,提取视网膜图像中包含有丰富血管轮廓信息的绿色分量,并对其进行阴影修正、降噪、CLAHE等预处理;其次,基于视网膜血管网络的形态结构特征,采取了多尺度、多方向的线性检测,融合不同尺度下的图像检测响应,从而获得视网膜图像血管的特征;最后,基于图像的灰度-梯度共生矩阵计算最佳局部熵阈值,并依据该阈值对视网膜血管图像进行分割。本文选用DIARETDB0、DRIVE和HRF等三个图像库的视网膜图像进行算法性能测试,并分别与采用Nguyen算法的分割结果、专家手动分割结果等进行对比。实验结果表明,本文提出的算法分能够分割出更多毛细血管,割精确度高,计算速度快,具有很好的鲁棒性。血管弯曲度是追踪早期视网膜病变的主要症状之一。正常视网膜图像中的血管呈直线型或者带有轻微的弯曲,糖尿病会导致血管发生弯曲,且随着病情的恶化而趋于严重。本文采用了一种基于弧长与弦长之比的方法,对分割得到的血管进行定量的弯曲度测量,该方法简单高效。