眼底图像分析在医学诊断中具有重要作用,而眼底视网膜血管又是人体无创伤条件下唯一可以观测的血管,血管的一些生理结构变化能够表征许多疾病的发生。随着计算机技术与人工智能的发展,计算机辅助眼科专家处理眼底图像可以提高疾病筛查的效率。现有文献中提出了许多自动视网膜血管分割方法,但是大多数方法在血管分割时会出现中间空洞、部分细小血管与背景噪声混杂而丢失等降低血管分割准确率的问题,且在视神经乳头边界处会产生伪血管。因此,本文设计一种基于遗传算法优化多尺度线形算子与视神经乳头填充相结合的方法,解决大血管中间空洞、减少背景噪声和伪血管问题。(1)采用遗传算法优化多尺度融合系数。首先对视网膜血管图像绿色通道采用1像素宽的圆形结构元素进行形态学开操作处理血管中央光反射,接着利用尺度为9,标准差为1.8的高斯核函数滤波器对图像进行高斯噪声去除,再采用背景相减法得到图像的灰度均衡图像,然后用8个不同尺度的线形算子对不同方向、尺度和强度的血管进行检测,并采用遗传算法对多尺度算子权值进行参数优化,以获得最佳检测准确率。(2)采用视神经乳头填充算法去除边界伪血管。首先利用视神经乳头的灰度特征,利用一个阈值粗分割视神经乳头,随后使用形态学膨胀减少视神经乳头分割不完全的影响,得到一个待填充像素集合,比较当前像素灰度值与邻域像素灰度均值的大小,依据比较结果,选择性填充视神经乳头区域中高亮的像素而尽可能的保留视神经乳头中的血管组织。本文算法的实验主要在开源的DRIVE和STARE数据库上进行。评价标准分为准确率、灵敏性和特异性。实验结果表明本文所提方法效果较好,DRIVE、STARE数据库分别获得了93.90%和95.32%的血管分割准确率。