医学的发展与人类的健康密切相关，因而数字图像处理技术从一开始就引起了生物医学界的浓厚兴趣。不论在基础医学研究，还是在临床诊断上，都有各种各样的图像需要用到图像处理技术。有研究表明，视网膜血管异常与高血压、脑卒中、脑萎缩、冠心病等全身性疾病的发生以及严重程度有密切关系。并且由于视网膜异常发生在高血压等心脑血管疾病发病之前，因此它可以成为这些疾病发生的预测因素。由于成像条件以及生理结构的限制，眼底视网膜图像具有特征复杂的特点，这给眼底图像分析带来了困难。而血管提取以及动静脉识别则是眼底图像分析最重要的两个部分。针对血管提取主要研究、实现以及改进三类方法，分别是基于形态学、基于中心线以及基于海森矩阵的提取方法。基于形态学的提取方法使用形态学操作结合血管横界面灰度级呈高斯曲线的特性来对血管增强，最终使用一种滞后性阈值化来得到最终血管网络的二值图像。基于中心线的提取方法是利用血管网络的中心线和形态学位平面切片提取血管。基于海森矩阵的提取方法是把多尺度空间理论、海森矩阵以及大津阈值法应用到眼底血管提取中去。针对动静脉识别，主要研究并分析两种方法，分别属于无监督和有监督的识别。无监督的识别方法把眼底图像分四个象限，并利用模糊聚类区分动静脉。而有监督的识别方法是利用眼底血管的多种特征结合分类器对动静脉进行分类。实现了视网膜血管的精确提取，很好的满足了医学研究以及临床诊疗的需求。通过研究动静脉的区别，实现了自动化动静脉的识别。并利用国际公开的DRIVE眼底图像数据库对血管提取以及动静脉识别测试。实验证实了各类方法的有效性和准确性。