血管疾病是当今威胁人类健康的常见疾病，血管疾病的预防和诊断有重要的意义。但血管在人体组织中的分布复杂密集，形状规则不一，细小血管对比度低，不利于医生利用影像对病情进行诊断。因此需要通过各种图像处理方法抑制血管邻近组织和噪声干扰，同时实现血管增强和精准定位，为医生提供更可靠的信息，便于临床诊断和治疗。本文的研究内容主要包括以下三个方面：（1）结构张量是一种基于一阶梯度响应的结构检测算子，一般只适用于阶梯边的目标检测，而Hessian矩阵属于二阶微分算子，可用于类似于脊的形状检测。本文将结构张量与Hessian矩阵相结合，应用于血管的检测，这样兼顾了血管的轴线检测和边界定位，从而达到血管整体增强的目的。另外，通过分析梯度向量流在血管轴的扩散分布，发现可将它用于血管中心线定位，将其与结构张量相结合，利用结构张量对梯度向量的平均统计，从而达到了血管脊的增强。（2）传统Hessian分析血管滤波方法，在检测血管二阶结构的同时会对其它阶跃信号产生较强的伪响应，导致检测不准确。本文采用非线性高斯微分方法，将血管两侧与一阶高斯导数卷积，取两者响应最小值，实现了对血管脊的检测，并有效抑制阶跃噪声。该方法与Hough变换结合，可用于工业纸张侧面图中的管状端面检测，从而实现叠层纸张的精确计数。（3）传统的追踪分割方法虽然实现简单，但需要人工植入种子点，不能实现自动分割，并且对噪声敏感。本文采用最短路径血管追踪分割方法，依赖血管先验知识，包括血管尺度和方向的估计，来追踪具有相似特征的像素。此方法不须人工设置种子点，能对血管进行自动精确分割。本文通过对血管微分分析，利用结构张量和不同的增强算子结合来改进血管增强算法，并通过采用Dijkstra算法来求解最短路径，同时自动设置种子点，追踪相似血管特性，实现血管的自动提取分割。通过本文实验结果和标准数据库结果对比，验证了改进的增强和分割算法的性能。