（沈阳工业大学信息科学与工程学院，沈阳110870）

1 引言

眼底图像又被称为视网膜图像，是人眼内表面的彩色投影图像。大多数的疾病可以通过观察眼底图像中的血管树、视神经盘、中央窝等内部构造的变化来诊断、预防和治疗[1]。使用计算机辅助方式对眼底图像中血管网络的结构特征进行准确检测和定量分析是医生完成眼底图像分析的基础，其准确性和实时性影响着对疾病的诊治效率[2]，因此眼底图像的血管分割一直都是医学图像处理和机器智能领域的研究热点。

2002年Zana和Klein基于数学形态学[3]的思想和线性处理的方法提出了一种视网膜血管分割方法。该方法首先定义了四种不合需要的模式的几何模型，以便能够从各种噪声环境中分离出血管；然后运用数学形态学方法从视网膜图像中提取线状结构，接着使用Laplacian算子计算出曲线的不同属性；最后根据曲线的曲率差异提取血管。这种方法的优点是速度快，对噪声不敏感，缺点是血管的其他有效特征没有得到充分利用且分割结果中血管的连续性较差。

2006年Soares等人[4]利用小波变换理论提出了一种基于2D Gabor变换的快速分割方法。该方法采用了像素灰度值和各尺度下的2D Gabor小波变换响应[5]结果作为特征向量，使用贝叶斯高斯混合分类器对血管特征进行识别。此方法的缺陷是在像素特征选取方面仅考虑了图像的2D Gabor滤波信息，忽略了血管的形状和结构信息，但其分割结果中容易出现血管融合的现象。……