视网膜眼底图像被广泛地应用于诊断各种眼底病变:如青光眼、白内障、老年退化性黄斑病变等,甚至也能帮助高血压、糖尿病、中风等全身性疾病的诊断。通过计算机图像处理和分析技术可以提高基于眼底图像诊断的准确性和效率。由于视盘的识别是其他眼底结构分析的前提和基础,本文主要研究眼底图像中视盘的定位与分割。本文首先对视盘定位和分割的研究现状及相关技术进行阐述,然后介绍了本文在眼底图像预处理、视盘定位和分割方面的研究工作。预处理阶段首先通过主成分分析对眼底图像进行灰度化,再用大津阈值法确定视网膜区域;然后进行图像增强来减少光照不均匀的影响和增强对比度;最后通过各向同性非抽样小波(IUWT)变换和图像二值化获得大致的血管结构,再利用血管周围像素的灰度值来消除血管。在视盘的定位阶段,本文根据血管的分布特点以及视盘的形状和灰度特征,提出了一种新的视盘定位方法。首先,考虑到视盘周围血管的垂直结构多于水平结构,通过归一化的梯度方向差直方图来确定视盘大致的水平位置,然后在该水平位置上通过高斯差分算子(DOG)来寻找视盘的垂直位置。在DRIONS-DB、Messidor、STARE三个数据库上实验显示了较好的定位效果。在视盘的分割阶段,本文首先提出了一种基于射线边缘检测的视盘分割方法,先从稠密采样中心点在各射线方向上找到灰度差值最大的点,再在由所有这些点构成的二值图像上利用主动轮廓模型分割出视盘的轮廓。另外,本文还对一种基于分水岭的视盘分割方法进行了改进,在通过分水岭变换分割得到视盘内的各个小区域后,利用主动轮廓模型代替原来的圆拟合方法分割出更准确的视盘轮廓。这两种方法在DRIONS-DB、Messidor两个数据库上的实验显示了较好的分割效果。