许多疾病都与视网膜血管形态结构的改变密切相关,如糖尿病、高血压、心血管等常见的疾病,其中糖尿病视网膜血管病变占据的比例最大。传统的人工对视网膜血管图像的检测,工作量很大且耗费时间过长,虽然医生能够以较高的精度对视网膜血管图像进行分割,但是花费过多精力会导致医生工作负担加重。随着数字图像处理技术在医学图像领域广泛使用,在计算机系统上实现对视网膜血管的自动分割已经成为一种趋势。目前,在视网膜血管提取等方面,研究者们已经提出了很多算法,并取得了一定的成果,但是对视网膜自身结构以及病灶组织的影响方面有待进一步提高。本文针对视网膜血管图像增强和分割技术方面进行了深入的研究。论文主要工作如下:在视网膜图像增强方面,本文提出Gabor变换与高低帽变换相结合的方法,Gabor具有频率选择和方向选择的特性,还可以通过设置高频子带系数的阈值而抑制噪声,而高低帽变换对视盘和病变区域都进行了处理,抑制了高亮区域以及暗区域的影响,本文结合二者的优点,首先对视网膜血管图像进行Gabor变换,在得到的低频图像中采用高低帽变换进行处理,在高频图像中采用阈值分析的方法,最后进行重构,最终得到的增强后的图像中血管与背景的对比度明显提高,并能够突出细小血管的特征,同时与常见的增强方法做实验对比,实验表明本文的增强方法可以有效的提高血管与背景的对比度。在视网膜血管图像分割方面,本文提出了结合多尺度线性检测与改进的二维最大熵阈值的阈值分割方法。多尺度线性检测无法正确分割视盘以及病变组织区域的血管。本文提出的Gabor变换与高低帽变换相结合的视网膜图像增强算法很好解决了这一问题;多尺度线性检测算法需要不断调整阈值参数得到阈值,本文采用花授粉算法对二维最大熵阈值算法进行优化,实现自动选取最优阈值,该算法结构简单并易于实现,具有较高的寻优精度。最后依据得到的最优阈值分割视网膜血管图像。实验表明本文的分割方法具备分割出更多细小血管的优点。本文在MATLAB平台上选用DRIVE数据库中的糖尿病视网膜血管图像进行实验,实验结果与专家手动分割结果以及几种典型分割算法的结果进行对比,得出结论,本文提出的分割方法解决了视盘及病变区域被误分割的问题,同时能够分割出更多的细小血管,最后通过客观评价数据进一步证明了本文算法的有效性。