摘要：医学图像研究与分析是图像处理领域中的重点以及难点问题之一。随着图像处理技术的快速发展,借助图形、计算机等辅助手段,医学图像的显示以及处理得到了极大的改善。眼底视网膜血管作为人体唯一能够观察到的较深层微血管,通过对其形态学结构进行分析,可以反映疾病对视网膜血管网络的影响。然而,由于视网膜目标血管与背景的对比度低,血管的宽度以及弯曲度变化不均,以及视网膜图像采集时噪声的影响,使视网膜血管分割面临巨大挑战。因此,对眼底组织进行分割与提取,建立眼底图像的计算机分析系统,对临床视网膜疾病诊断具有重要意义。本文对眼底视网膜血管分割算法进行了研究,主要内容如下：(1)研究了眼底视网膜图像的预处理过程。通过分析视网膜彩色图像及其红、绿、蓝单色通道分量,可以发现绿色通道分量拥有最佳的血管／背景对比度信息,而其它通道分量的对比度相对较低,且噪声含量较高。因此,本文选择视网膜绿色通道分量进行处理。为了进一步提高视网膜血管与背景的对比度,本文采用对比度受限的自适应直方图均衡方法对视网膜绿色通道分量进行了增强。(2)提出一种基于特征识别的视网膜血管分割方法。该方法首先对视网膜图像进行特征提取,包括视网膜图像增强、高斯匹配滤波、2D Gabor小波变换、Frangi滤波以及梯度分析处理后的特征向量。最后将得到的特征向量输入误差反向传播神经网络,对视网膜目标血管和背景进行分类识别。此外,本文对视网膜分割算法进行了定性以及定量分析,即比较了不同算法的视网膜分割结果,并计算了算法的准确度、灵敏度和特异度。实验结果表明,本文算法分割效果较优,且具有良好的鲁棒性。