视网膜血管图像的研究在图像处理领域占据重要的地位,在临床医学领域更具有重大的实际意义。它不仅能及时地反映出高血压、糖尿病和血液病等全身性疾病,还可以很好地帮助医生掌握病人的情况,因此对眼底视网膜血管的特征分析显得尤为重要。传统的人工对视网膜血管图像的检测方式虽然能较高精度的提取出血管的整体结构,但由于耗费时间长,花费精力大,所以难以满足目前的分割需求。因此,实现对视网膜血管在计算机系统上的自动提取,具有非常重要的临床应用价值。目前,在视网膜血管提取方面虽然取得了一定的研究成果,但对微细血管的提取效果仍不理想。因此,针对视网膜血管的特点,本文对视网膜血管增强与分割技术进行了深入研究,首先提出了基于对比度受限自适应直方图均衡化(CLAHE)与Gabor滤波相结合的视网膜血管增强方法。CLAHE方法对处理对比度低的图像效果十分显著,而Gabor滤波器具有方向选择和频率选择的特性,能够将视网膜图像中血管和背景的结构不失真的保留下来,将二者结合起来可以很大程度地提高血管与背景的对比度,并能突出微细血管的特征。其次,在视网膜血管分割方面,改进了多尺度单通道线性跟踪算法,基本思想是从图像中所选取的一部分种子像素开始跟踪,在跟踪过程中给满足条件的像素点赋予较高的置信度,跟踪结束后,将所有像素点置信度矩阵量化后获得血管网络。提出用连通域标记与中值滤波相结合的方法对噪声进行处理,不仅可以去除斑点噪声,还可以将视网膜图像边缘视为连续的块状目标噪声一起消除。将形态学理论运用在分割后的处理中,从一定程度上扩展了多尺度算法的广度与深度。本文在MATLAB处理平台上,对国际上公开的DRIVE数据库中的视网膜图像进行了实验,并与经典的算法进行了比较。实验结果表明,该方法对微细血管检测效果最好,并用实验数据证明了方法的鲁棒性、有效性和可靠性。