目前,血管性疾病在人类疾病死亡原因中已接近首位,且其死亡率呈逐年上升的趋势。视网膜血管作为人体唯一能无损观察到的较深层微血管,其特征变化不仅可以反映多种眼科疾病,还可反映全身血管类相关疾病,如高血压、糖尿病、动脉硬化等。对视网膜血管图像进行观察和分析,将为相关疾病的及时发现与治疗提供重要依据与帮助。然而,受视网膜血管结构、成像环境、设备、及噪声的影响,得到的视网膜血管图像往往质量较差,难以直接用于医学诊断。针对以上问题,本文在总结和分析现有增强方法的基础上,提出以下三种视网膜血管增强方法：(1)基于多尺度Hessian矩阵的视网膜血管增强方法。针对视网膜血管的线性结构特点以及宽度大小不一,提出基于多尺度Hessian矩阵的血管增强方法,并通过实验分析,为尺度因子范围的选择提供依据。(2)基于形态学滤波和差分进化算法的视网膜血管图像增强。根据图像中血管与背景的灰度差异,提出基于数学形态学的同态滤波方法,同时运用差分进化算法对参数进行优化。(3)基于多尺度顶帽变换和直方图拟合的视网膜血管图像增强。首先,运用多尺度顶帽变换对图像进行初步增强,然后根据初步增强结果的直方图分布特性,运用基于直方图拟合的灰度线性变换对视网膜图像进行进一步增强。并对多尺度顶-帽变换中结构元素的选择进行讨论与分析。通过大量实验,对本文方法和其他已有方法进行视觉和定量比较与分析,证明了本文方法对于提高图像对比度、增强视网膜血管细节具有明显优势。图25幅,表6个,参考文献68篇