司明明，陈 玮，胡春燕，尹 钟

(上海理工大学 光电信息与计算机工程学院,上海 200093)

视网膜眼底图像包括血管、黄斑、视盘等结构。可利用眼底血管图像中的血管变化情况实现对一般和眼底相关疾病的诊断，例如对糖尿病视网膜病变(Diabetic Retinopath,DR)的诊断[1]。医生对疾病严重程度的分析和判断需要基于对眼底血管的精确分割。然而，由于眼底血管特征情况较复杂，对于微小血管等对比度较低的区域分割效果并不理想。因此，视网膜血管分割一直是该领域的热点问题[2]。

近年来，对于眼底血管图像的分割问题，国内外学者提出了很多相关算法，大体上可分为无监督分割方法和有监督分割方法两类。无监督分割方法指的是不需要提供先验的眼底血管标准图像，仅通过滤波和形态学等操作分割图像，例如文献[3]在高斯滤波器的基础上提出了一种双阈值法和多尺度匹配滤波结合的分割方法。但该方法易在血管交叉处出现分割不足和错分等情况。COSFIRE滤波[4]能够分割出眼底血管的大部分，但对噪声影响较敏感。文献[5]利用形态学顶帽变换确定初始种子点，实现对眼底血管的分割。无监督分割方法需要人为的选择特征，不能鲁棒地解决血管变化趋势和血管信息的不变性。

有监督分割方法指通过医学专家手动分割出标准图像来训练算法模型，如已在医学分割领域取得不错效果的U-Net网络模型[5]。文献[6]通过结合卷积神经网络(Convolutional Neural Network，CNN)与密集型条件随机场(Conditional Random Field，CRF)能够较好地完成视网膜血管分割。……