由于全球财富日益增长和人口老龄化,所有影响血管网络的全身性疾病,如糖尿病,高血压和动脉硬化,变得越来越普遍。因此,血管的检查对这些疾病的诊断和预后至关重要。眼底血管系统在分叉和交叉处的几何特性如交叉角度、血管宽度和分叉不对称性等都是判断眼底血管是否健康的指标。同时根据分叉点的位置对眼底血管分级后,可以通过检测眼底异常情况位置所对应的血管等级,对疾病严重程度的判断提供辅助依据,一般而言,等级越低,疾病的严重程度就越高。并且,对分叉和交叉点的判别是进行基于特征或非刚性的图像配准、图像拼接、血管分级和生物识别安全应用等的基础和依据。在这些情况中,分叉点和交叉点都是关键的标识点。分叉点是指血管在流通中产生分叉的点,交叉点指两条空间不相交的血管在荧光造影图或彩色图上投影所产生的点。如果要使用分叉交叉点的诊断信息,那么首先要准确的定位并区分它们。依据以上描述,本论文研究内容和取得的主要成果有:一是分析眼底血管影像分叉交叉点判别技术在国内外的发展现状,并归纳概括分叉交叉点判别的关键技术;二是对眼底血管影像中分叉交叉点的提取。经过图像预处理、血管分割、图像填充、断点连接和骨骼化等操作之后,使用卷积操作检测结点,并提出依据最大血管壁宽度进行错误分叉点合并的改进方法,最终得到所有结点的位置信息,实验表明改进的方法比目前最好结果提高了2%的精确度;三是对眼底血管影像中分叉交叉点的分类。本文提出一种新的基于迁移学习的眼底血管分叉点和交叉点的分类算法,通过制作数据集,对数据集进行传统方法和辅助适配扩充后,基于神经网络Inception-v3构建了一个迁移学习网络模型,提高了分叉交叉点分类的精确度和效率,最终在复杂交叉点的分类上比最新结果提高了3%的准确率。四是针对分叉交叉点的提取和分类均提出了误差点的修复操作,结合血管流通信息,避免仅适用结点局部特征导致的误判。本文提出的算法和改进在临床医学图像和公开数据集上均进行了实验,并且引入了几种对比方法。与目前最好的结果相比,本文提出的结点提取方法在几个评价指标上均得到了提高,提出的分类算法在复杂交叉点上也得到了精度提升。此后将把研究重点放在如何不依赖血管分割,而在原图上直接进行结点判别。