眼底图像的血管分割对糖尿病的分析和诊断至关重要，其结构特征的变化可以直接反应糖尿病的病变程度和治疗情况。眼底图像血管是眼底图像中可见的最稳定和最主要的结构，当眼底发生病变的时候，眼底图像血管的直径、颜色和弯曲程度等会出现异常。采用常用的图像处理方法很难得到满意的分割结果，寻找合适的眼底图像血管分割方法具有重要意义。　　 本课题针对发生病变的眼底图像和低对比度的眼底图像中，血管尤其是血管末梢部位和背景难以正确分割的问题进行了研究，提出了一种基于相位信息的眼底图像血管分割方法。本方法首先提取眼底图像的绿色通道，用对比度受限的自适应直方图均衡化增强图像的对比度;然后采用各向异性耦合扩散方程对眼底图像进行滤波，用相位一致性算法分别对有无经过各向异性耦合扩散方程滤波的眼底图像进行相位一致性检测，将两幅基于相位一致性检测的血管结果进行像素级相乘;最后用迭代阈值分割法将图像二值化，并用数学形态学的方法对图像进行后处理。本方法对图像亮度和对比度不敏感，克服了传统方法难以正确分割病变眼底图像中血管的缺点，同时还可以将大部分末梢的小血管分割出来。利用本文提出的方法对国际上公开的Hoover和DRIVE眼底图像库进行测试，本方法可获得95.87％的准确度，实验结果证明了本方法的有效性。