1、由于視網膜血管為人體中獨有的無創(chuàng)便可察看的深層次微血管循環(huán)網絡，其直徑、血管曲率與分叉角度的改變程度是診斷糖尿病、高血壓、心腦血管以及眼科疾病病變程度的重要指標，因此有效的視網膜血管分割方法可以輔助醫(yī)生對以上病例進行早期診斷與治療。由于存在許多影響成像因素及受生理結構的限制，直接進行血管分割是較為困難的。因此，分割血管前必須對視網膜圖像進行有效地增強以及去除視盤過亮帶來的影響，分割血管時也需要對病變部分進行檢測和剔除，以獲得精確的血管分

2、割結果。
　　針對眼底視網膜圖像，根據(jù)血管本身的形態(tài)結構，本文提出了一種基于多尺度多方向的視網膜圖像增強方法。該方法首先獲取綠通道圖像并分別對此圖像進行多尺度 Hessian矩陣濾波與多方向二維匹配濾波，然后將兩者的結果相融合即選取兩者中灰度最大值作為最終的增強結果。在此圖像增強基礎上，本文提出了一種基于全局閾值與局部閾值的視網膜血管分割方法。該方法分別采用全局閾值二維最大熵與局部閾值移動平均算法對增強圖像進行分割以獲取視網膜的主

3、血管與細微血管部分，然后對區(qū)域連通性進行判斷，將視網膜的主血管與細微血管進行結合，提取出完整的血管網絡。由于糖尿病視網膜病變圖像中存在視盤區(qū)域過亮與病變區(qū)域，因此，在視盤定位和病變區(qū)域檢測的基礎上提出了一種糖尿病視網膜病變圖像的血管分割方法。該方法通過對視網膜圖像進行一系列形態(tài)學操作，獲取精確的病變區(qū)域檢測結果，然后將其從血管分割結果中進行剔除，并對病變區(qū)域內斷裂血管根據(jù)梯度強度和方向相似的原則進行連接，獲取最終的血管分割結果。