1、眼底圖像分析是當下最熱門的醫(yī)學與計算機科學結合的研究領域之一。相比于眼底鏡，眼底圖像具有成像清晰、操作方便、效率高等優(yōu)勢，能使人們盡早地發(fā)現(xiàn)各種眼部疾病，方便及時治療。而視網膜血管作為眼底圖像的重要組成部分，是人體唯一可以非侵入式直接觀察到的微小血管組織。研究基于眼底圖像的視網膜血管分割，對青光眼、高血壓、黃斑病變等心血管疾病的輔助診斷和后期治療都具有重要的臨床醫(yī)學意義。
　　針對眼底圖像中視網膜血管的樹狀網絡結構和灰度分布特征，

2、國內外的研究人員提出了許多血管分割方法，取得了較好的效果。但現(xiàn)有方法普遍存在微小血管分割不足的缺點，無法提取完整的血管樹細節(jié)，間接破壞了血管的連通性。其中，基于監(jiān)督學習的方法近年來在國際上研究較多，其利用了視網膜血管標準圖像信息，分割結果令人滿意，但分割效率不高。實際應用中，非監(jiān)督類分割方法更具研究價值，因為它不需要人工分割的血管圖像作為金標準對算法模型進行訓練，運行效率高，具備了在臨床上應用的實時性條件。
　　本文針對現(xiàn)有血管分

3、割方法的不足，提出一種基于OAD算子的非監(jiān)督類分割方法。針對血管中央反射和病變區(qū)域的分割問題，本文將線性算子擴展到多尺度，引入局部區(qū)域方差參數，且該線性算子可以旋轉以匹配不同方向的血管，保留了較為完整的血管信息，受噪聲干擾小。結合二維Gabor小波提取視網膜圖像的空間域特征、頻域特征和形態(tài)學特征，能夠準確地分析信號的方向特征，適合于提高眼底圖像微小血管與背景的對比度。并采用路徑形態(tài)學濾波構造鄰接圖，能夠靈活地適應血管略微彎曲和曲率較大的

4、形態(tài)結構，較好地抑制了光照不均等噪聲干擾，能有效分割眼底圖像的視網膜血管網絡。
　　本文方法在國際上公開的權威數據集上DRIVE與STARE進行了實驗和性能評價，分別取得了80.74%和68.87%的CAL性能。為了更深層次的驗證本文算法的有效性與通用性，我們與本地三甲醫(yī)院的糖尿病研究所合作建立了眼底圖像數據庫。實驗結果表明，作為非監(jiān)督類分割方法，本文算法能有效提取眼底圖像的視網膜血管網絡，粘連現(xiàn)象少，而且對圖像中噪聲的魯棒性較其