眼底图像中的视网膜血管作为人体唯一能够直接观察到的深层微血管,通过分析血管的长度、直径、分支模式、弯曲度和角度信息是医生诊断许多严重疾病的重要方法,比如患有心血管疾病、糖尿病、眼科疾病的患者,其视网膜血管结构通常会发生改变且血管周围存在病变区域。眼底图像具有获取方便快捷的特点,而视网膜血管的精确分割是诊断和筛查这些疾病的基本步骤。人工分割眼底血管耗时费力,分割效果依赖于专科医生的主观感受,因此越来越多的自动分割技术被提出来解决这一问题,但是许多方法在分割准确率上还不够。因此有必要设计一个更准确高效的算法来实现视网膜血管的自动分割。在本文中,本人提出了一种自校准卷积U-Net（SCCU-Net）来实现视网膜血管的精确分割。在SCCU-Net中,采用自校准卷积模块代替传统的卷积运算,自校准卷积不像传统卷积一样均匀地对原始空间中的输入特征执行所有卷积,而是首先通过下采样将输入特征转换为低维特征并卷积,然后通过卷积变换后的低维特征来校准另一部分中的卷积变换。得益于这种异构卷积,可以有效地扩大每个空间位置的感受野,可以获得更丰富的输出信息。此外,提出了一种改进的空间注意模块,该模块在卷积运算前通过获取空间注意权值来获得更完整的空间信息。本文提出的算法在DRIVE,STARE和CHASE DB1三个公开可用的数据集上进行了评估。通过对比实验结果表明,SCCU-Net相对于U-Net在分割结果上有较大提升。与当前先进的方法相比,所提出的方法也能取得更好或相当的视网膜血管分割结果。