眼底视网膜血管作为人体唯一能够观察到的较深层的血管,不仅可以反映心血管疾病对血管网络的影响,而且还可以反映糖尿病型视网膜病变的程度,因此视网膜图像中血管的检测与提取在高血压、糖尿病等疾病的诊断和治疗评价方面具有重要意义。另外,视网膜血管作为一种人体生物特征,在身份鉴别等安全保密方面亦有重要的应用前景。本文在前人研究的基础上对眼底视网膜血管分割算法进行了研究,主要工作体现在以下几个方面：(1)研究了眼底视网膜图像的预处理过程。通过对红、绿、蓝三个通道图像的分析,发现只有绿色通道图像血管和背景的对比度最高,故选取绿色通道图像进行降噪处理、去除眼底图像边框和进行亮度调整,在此基础上采用匹配滤波法进行增强。实验结果表明,预处理后图像血管清晰可见,对比度得到改善。(2)研究了聚类数、初始聚类中心、加强指数、核函数的选取对眼底血管图像分割结果的影响。聚类算法中聚类参数的选取目前尚无理论指导,本文结合模糊C均值聚类算法的评价标准通过大量实验仿真来确定聚类参数。仿真结果表明,若聚类数选择太小,背景和目标区域误分割现象严重；若聚类数选择过大,不仅会增加计算时间和算法的复杂性,而且核模糊C均值聚类的目标函数值并不会相应地减少；当聚类数为5时分割效果最好。聚类算法的初始聚类中心用K-means算法的聚类中心代替时可以有效地减少算法的迭代次数。加权指数为2时算法的运算时间最短,在相同的迭代次数下选取高斯核作为核函数时聚类目标函数下降的相对幅度最大。(3)提出了一种自适应提取眼底视网膜血管区域的方案。通过对聚类分割图像和与之相对应隶属度的关系分析,发现将隶属度和较小的3类聚类分割图像合并为血管区域时效果较好。仿真和实验验证了此方案的可行性。(4)引入遗传算法优化聚类算法的目标函数值。核模糊C均值聚类算法在求解目标函数时容易陷入局部最优,收敛速度受初始值的影响比较大,本文利用遗传算法的随机全局多点搜索能力优化聚类算法的目标函数值。(5)针对受噪声干扰严重的眼底视网膜血管图像采用单一阈值法和模糊聚类算法均不能有效地抑制噪声,提出了一种基于核模糊C均值聚类和三维OTSU相结合的眼底分割算法。该方法结合了三维OTSU算法良好的抗噪性能和聚类算法良好的聚类分割效果,分别用核模糊C均值聚类算法进行主血管的分割和三维OTSU算法提取小血管。实验结果表明,该方法对于含有噪声的眼底视网膜血管图像分割效果令人满意。