眼底图像分割一直是医学领域的重点与热点问题,目前关于眼底血管分割的研究成果有很多,但大多数算法都只能在高对比度的粗血管分割方面性能良好,对于那些低对比度的细血管方面表现却差强人意,然而对于这类血管的分割往往更具有挑战性,在发现病理原因时往往也更具有说服力。在这样的背景下,本文从理论与应用出发,提出了一些方法,采用分步、分段的方法对血管进行针对性提取。本文主要的工作与创新归纳如下:(1)针对图像中的噪声特性提出一种改进的中值滤波算法,在消除大部分噪声的同时尽量保留血管原有的特征,结合血管的线性管状特征,运用一种自适应局部阈值算法,提取血管大致轮廓,最大限度地保留血管原型。(2)使用两种方法,按步骤对图像进行对比度增强、平衡背景灰度差异、直方图标准化的操作,尽可能增大细小血管与背景之间的对比度,减小背景的局部性差异,利用不同的方法提取图像的特征,作为支撑向量机的训练样本。(3)以数学形态学操作为基础,对分类后的图像进行后处理,包括噪声的滤除,空洞的填补与狭缝的连接,将得到的处理结果与其它分算算法进行比较。本文中用到的实验数据来自Hoover提供的STARE眼底数据库,结果表明本文中的方法能够有效提取眼底图像中的血管结构。