日常生活中常见的一些疾病，如高血压、肾炎、糖尿病和心血管病等会引起眼底视网膜血管病变，所以，观察血管形态的变化可以初步预估或诊断人体的某些疾病。因此，需要利用数字图像处理技术对其进行检测与分析，重点检测视网膜血管的形态是否有异常，以此来帮助医生诊断病情。使用数字图像处理技术具有处理速度快、分析客观、可比性高等优点，避免了人工分析的主观性与不确定性。因此，研究眼底图像视网膜血管的分割算法具有重要的临床意义。本文针对眼底图像视网膜血管分割方法进行了相关研究，主要工作如下:　　(1)提出基于小波变换和Retinex相结合的视网膜血管增强算法，首先对图像进行小波分解，得到低频和高频系数，对低频图像采用多尺度Retinex算法处理，对高频图像采用小波分层增强处理，然后进行小波重构，最终所得视网膜血管图像的清晰度、对比度和细节突出程度均有较大提高，取得了良好的效果;　　(2)提出改进的多尺度单通道线性跟踪分割算法，基本思想是从图像中所选取的一部分种子像素开始跟踪，在跟踪过程中对满足条件的像素点赋予较高的置信度，跟踪结束后，将所有像素点置信度矩阵量化后获得血管网络。然后用中值滤波与连通域标记相结合的方法对噪声进行处理，不仅可以去除斑点噪声，还可以将视网膜图像边缘视为连续的块状目标噪声一起去除。将形态学理论运用在分割后的处理中，从一定程度上扩展了该算法的广度与深度;　　(3)提出基于条件随机场模型的分割算法，该算法主要包含两部分:第一部分是根据局部特征对图中某节点所属的标记做初始判断;第二部分是根据相邻节点之间的联系来估计满足要求的权重参数。然后分别利用二维Gabor小波特征、Zana和Klein提出的血管增强方法来计算一元势函数和二元势函数，之后通过选取一定的样本训练分类器，将分类器的输出结果作为条件随机场模型的输入，通过调整权重参数来决定分类结果对最终结果的影响程度。利用扩展的条件随机场模型对视网膜血管图像进行分割，结果表明，血管定位的精度高，能够有效地避免血管粘连的现象，血管更加光滑，边界定位也更加准确，同时可以对微细血管达到良好的分割效果。