许多眼部疾病都会影响到视网膜中的血管结构。定量分析视网膜血管结构变化有助于监控病变的发病阶段,同时可以评价这些疾病对于人体视觉系统的影响。作为眼部疾病CAD(计算机辅助诊断)系统的第一个步骤,视网膜血管的准确分割至关重要。因此,眼部疾病能否有效自动诊断很大程度上依赖于视网膜图像中的血管分割和局部信息描述的准确程度。然而,由于图像对比度较差,以及血管网络结构复杂,视网膜血管分割较一般的图像分割方法而言,更加难以实现。本文改进导向复小波滤波器,使其适合图像线状结构的检测与增强。导向复小波滤波器模拟了人眼V1区视觉细胞成像过程：通过一组基滤波器的频域滤波,将图像分解到不同方向、尺度和相位子带中加以描述,提取出图像中任意方向和不同尺度上的图像结构信息。经过改进的导向复小波滤波器,在增强血管结构的同时,具有方向敏感性、鲁棒性和较低计算复杂度。同时,本文将导向复小波与支持向量机相结合,通过像素监督分类方法实现血管的准确分割。将不同尺度下增强图像的直线强度(line strength)作为像素特征,来训练支持向量机。从而实现对未知模式输入像样本的分类。此外,在图像监督分割算法的基础上,作了进一步改进：构造出基于滞后闽值理论的滞后分类器,并通过级联方式,实现血管点的多层监督分割。经过对输入样本的分层筛选,得到更为完整和准确的血管网络。本文分别验证几类经典的线状结构增强方法,并将增强结果与导向复小波进行比较。实验通过ROC曲线的线下面积(AUC)的评价,证明改进后的导向复小波对血管有更好的增强效果。同时,具有更高鲁棒性和运算效率。此外,相关实验证明,级联滞后分类模型在监督分割理论基础上,提高了血管网络正确分割率(TPR),同时保持了较低的血管错误分割率(FPR)。