糖尿病视网膜病变是糖尿病最为严重的并发症之一,也是致使适龄工作人口失明的主要因素。目前,对视网膜病变的有效诊断方式是对患者的眼底视网膜进行定期的检查。然而,目前对眼底图像中相关目标的提取多数采用手动绘制的方式。这种方式无论是在精确度还是在客观性上都有着极大的局限性,并且低效率性也导致无法进行大规模的眼底普查。依托于计算机辅助诊断技术的迅猛发展,采用数字图像处理技术对眼底视网膜图像中的关键解剖结构进行自动分割,进而达到辅助眼科医生诊断的目的。在查阅了大量文献的基础上,本文针对眼底视网膜图像中关键解剖结构的精确识别进行探讨,主要研究内容是对视盘和血管的定位和分割。根据这两大解剖结构的分割图,不仅方便展开后续病灶提取的工作,而且其自身分割出的网络结构信息也提供了诊断依据。本文所展开的探究内容主要分为三块部分:(1)彩色图像的预处理。基于彩色眼底图像的不同解剖结构在RGB各个通道呈现出的特点,本文在对图像预处理的时候,有针对地选取其中一个通道对另外两个通道进行改善,从而实现彩色图像的增强。(2)视盘的定位和精确分割。为了满足临床实际中的要求,在视盘的检测时候需要精确分割出轮廓。本文所采用的水平集方法是建立在Chan-Vese模型的基础上,相较于传统的活动轮廓模型,该模型能够处理更为复杂的拓扑结构。(3)血管的分割。针对血管分割中常常出现的断线断点的问题,本文采用小波域MRF的模型进行分割。该模型结合了图像的先验知识,提供像素间的约束信息,提高了分割的精确度。在模型参数的估计上,采用期望最大化EM算法,一定程度上提高了参数估计的收敛效率。本文所提出的分割算法最终在DRIVE、STARE和FIRE三个权威的数据集上进行了测试。测试结果表明,无论在主体血管还是细微血管上都有很好的分割效果,由此验证了算法可靠性。