视网膜眼底图像是判断眼睛疾病的重要依据，基于计算机的自动眼底图像处理与分析系统在辅助医疗诊断中有重要的应用价值。在视网膜眼底图像中，血管呈树状网络结构布满整个眼底图像，是眼底视网膜最重要的生理结构之一，许多疾病比如青光眼、白内障以及糖尿病、高血压、动脉硬化等都会造成视网膜眼底微脉血管的病变，因此血管的提取对该类疾病的诊断具有重要作用。很多眼底图像分析与识别算法需要预先获取血管结构信息，同时血管作为相对稳定的生理特征结构，其分布特性及其特征信息对于眼底微脉血管的病变评估，其它生理结构如视盘、黄斑的定位，病变检测，眼底多模态或多源图像配准与融合方面都具有难以替代的作用。目前国内外针对眼底血管的提取问题已经开展了大量的研究工作，也取得了重要的进展，但是目前工作主要针对正常的视网膜眼底图像，在涉及有病变以及存在干扰的图像时，由于视盘、出血或其他病变区域的边界具有类似血管的特性以及距离接近的多块亮区域间的暗色间隙等干扰，往往难以准确的提取出血管网络结构。因此，本文主要针对病变图像血管提取问题做了较深入的研究，主要包括以下内容：（1）针对在病变图像中存在的类血管特征，特别是其它病变的边界干扰问题，提出了一种基于Gabor匹配滤波器的非血管区域边缘抑制方法。该抑制算法基于对称Gabor函数特性，以及非对称Gabor函数特性，对血管边界以及病变区域边界等进行抑制，取得了良好的效果，同时结合非极大值细化和在标准滞后阈值二值化的基础上提出的滞后多阈值二值化方法，进一步排除了非血管像素残留，很大程度上滤除了病变图像中的非血管结构，并较完整的保留了血管骨架结构。（2）以血管骨架结构作为区域生长的种子点，根据Gabor滤波后的响应值以及方向特性，设计区域生长算法，在种子点垂直方向判断血管宽度，按照所设计的生长准则实现血管结构提取，然后在区域生长的基础上，进一步采用数学形态学对提取结果进行处理，弥补生长过程造成的遗漏区域，使得血管结构更加平滑、完整。本文研究所获得眼底图像血管检测方法，主要解决了病变及非血管结构对血管提取的干扰，相比其它同类方法，较好的解决了病变眼底图像中血管的准确提取与分割问题。