随着医学图像处理技术的快速发展,医护人员可以借助计算机自动处理系统及早的对人体眼部疾病进行诊断和治疗,可以有效的避免疾病进一步恶化。视网膜血管在人体的众多微血管当中,是唯一一种可以以非创伤形式获得的。一些初期的血管性疾病可能使其形态结构发生变化,所以可以将视网膜血管作为疾病诊断的一个重要指标。因此建立起快速、准确、可靠的视网膜血管自动提取系统在医学诊断领域有着重要的应用价值。然而,由于在成像和传输过程中受到光照及噪声等的影响使得图像质量有所降低,有效的分析十分困难。如何在对比度极低的视网膜图像中对宽度错综复杂的血管实现自动提取,是制约现有算法发展的瓶颈。本文提出了一种根据血管的灰度级信息进行动态尺度分配的视网膜血管提取算法,主要工作如下:1、提出了基于灰度级信息的动态尺度分配方案。现有的基于匹配滤波的方案,均是将整个视网膜图像统一进行处理的多尺度匹配滤波算法。对于这类血管提取算法,存在图像某些局部区域尺度分配不合理的情况。本文提出了一种基于动态尺度分配的视网膜血管提取算法,较为有效的克服了这一问题。由于图像局部区域血管和背景的对比度较为均匀,所以首先将图像划分为等尺寸子图像。其次,分析各个子图像的灰度分布情况,判断出其中包含的血管种类,并为其分配具有匹配尺度的滤波器进行处理。2、提出了一种基于图像灰度直方图进行阈值调整的动态处理方案。在这一部分,我们仍然是对各个子图像的灰度直方图进行分析,判断出其对比度高低以及是否含有非血管结构,并依据此结果采用不同的阈值对血管进行分割提取。最终,将完成分割的各个子图像重新拼接起来,得到完整的视网膜血管网络图。这种针对不同区域的特征来对视网膜图像按区域动态处理的方法,与以往基于匹配滤波的算法相比,本算法在完整提取被噪声湮没的细微血管结构的同时,避免了对血管宽度的过分估计。对DRIVE数据库测试集全体图例的测试结果显示,本算法实现了最高分割准确率0.7526,平均分割准确率0.9393的视网膜血管结构自动提取。