在临床诊断与医学研究中,血管是十分重要的生物组织。视网膜血管是人体仅有的能直接进行观察的血管网络,作为眼底图像的重要特征,其结构和形态的改变与高血压、糖尿病、动脉硬化等心血管疾病的病变程度、严重程度及愈合后的情况紧密相关。因此,从眼底图像中有效分割和提取出完整的视网膜血管网络,对于医学研究以及临床应用均有着重要的实际意义。本文首先分析了眼底图像中视网膜血管网络提取的研究意义和国内外研究现状,然后重点研究了基于眼底彩照图像的血管提取方法。主要工作如下:1)针对眼底彩色图像的特点以及眼底图像存在的图像细节模糊、光照不均、噪声明显、对比度低等问题,对眼底图像进行预处理操作来尽可能消除这些因素的影响,从而改善眼底图像质量。2)分析了现有血管网络分割方法的优势与不足,并针对通用眼底图像分割的应用需求和医学图像分割算法的发展趋势,提出了一种最大熵阈值及Otsu法相结合的血管分割算法。3)为验证本文方法的分割效果,利用公开的DRIVE以及STARE库中的眼底图像数据分别对本文最大熵阈值及Otsu算法进行性能测试,并和同类眼底视网膜血管分割方法进行了对比。实验结果表明:本文所采用的血管分割方法对于微小血管及血管末梢的分割更完整,更准确,并在分割精度方面有提升。此外,对于病变眼底图像,本文的最大熵阈值及Otsu算法基本能够实现血管网络的提取,从而证明了本算法的可行性和有效性。