视网膜血管的处理与分析是医学和生物识别领域研究的热点问题,有重要的理论研究价值和广泛的应用背景。在医学上,视网膜相关病变可以预示一些疾病。因此提前让患者做周期性的检查和诊断,很多患者可以提前预防相关疾病。一般视网膜病变由眼科医生进行人工检查,需要花费较多时问；应用计算机自动检测可提高眼底图像的评估效率。可靠的血管提取是视网膜图像后续分析和处理的前提,因为血管是视网膜图像中最稳定和最主要的结构。目前研究者提出了许多血管自动检测方法,并取得了较好的效果,但主要问题是在低对比度的背景里,这些方法经常丢失小血管。针对这个问题,本文提出了一种自动检测中心线的方法：利用径向投影的方法得到可视区域(filed of view)每个点的投影曲线,分析曲线的峰值特性得到中心线的候选点。然后用去噪步骤剔除伪候选点得到真实的中心线,通过检测中心线来获得对比度低的细小血管。为了检测血管主体结构,本文引入导向滤波器和半监督训练的方法。首先用不同尺度下的导向滤波器实现视网膜血管的白适应增强,然后用直线算子描述像素点的特征。进一步利用人工标记的视网膜分割点初始化SVM分类器,用白训练的方法使未标记的血管点转化成标记点,加入训练中以提高分类器的性能。最后对输入的视网膜血管图像进行二分类(血管点和非血管点),得到视网膜血管的主体结构。将视网膜血管中心线和血管主体结构进行融合和去噪,经过形态学处理得到视网膜血管最后分割结果。本文在DRIVE和STARE两个公开数据库上进行实验,并与其它方法进行了比较。提出的方法能提取对比度低的小血管以及良好的大血管,提高了血管分割的准确度。