1.基于動態(tài)尺度分配的視網(wǎng)膜血管提取方法，其特征是，包括如下步驟：
步驟(1)：視網(wǎng)膜圖像預(yù)處理：對彩色視網(wǎng)膜圖像的綠色通道分量進(jìn)行對比度增強(qiáng)；
步驟(2)：圖像分塊：對預(yù)處理后的視網(wǎng)膜圖像分割成設(shè)定個數(shù)的子圖像；
步驟(3)：血管分類：將每個子圖像中血管分為大中小三類；
步驟(4)：動態(tài)尺度分配：動態(tài)選擇不同尺度的濾波器對不同寬度血管進(jìn)行增強(qiáng)；
步驟(5)：多尺度匹配濾波：采用多尺度方案并利用高斯匹配濾波模板和高斯一階導(dǎo)數(shù)匹配濾波模板對視網(wǎng)膜血管圖像進(jìn)行濾波處理；
步驟(6)：閾值處理：提取出血管結(jié)構(gòu)并剔除非血管結(jié)構(gòu)，將所有子圖像的提取結(jié)果進(jìn)行重新拼接，得到視網(wǎng)膜血管網(wǎng)絡(luò)二值圖像；
步驟(7)：后處理：對閾值處理后的視網(wǎng)膜血管網(wǎng)絡(luò)二值圖像進(jìn)一步消除噪聲，對血管邊緣進(jìn)行平滑處理，消除圖像中殘留的視網(wǎng)膜邊界，對不連續(xù)的細(xì)小血管進(jìn)行斷點連接，從而保留圖像細(xì)節(jié)，得到分割精度高的視網(wǎng)膜血管網(wǎng)絡(luò)圖像。
2.如權(quán)利要求1所述的基于動態(tài)尺度分配的視網(wǎng)膜血管提取方法，其特征是，所述步驟(1)的步驟為：
步驟(1-1)：提取彩色視網(wǎng)膜圖像的綠色通道分量：彩色視網(wǎng)膜圖像含有紅色、綠色和藍(lán)色三個通道，僅選擇對比度高、噪聲低的綠色通道作為初始處理對象；
步驟(1-2)：多尺度頂帽變換：利用形狀不變，尺寸等差增大的圓形結(jié)構(gòu)元素，對初始處理對象進(jìn)行頂帽變換處理，增強(qiáng)初始處理對象的對比度；
步驟(1-3)：基于高斯曲線擬合的直方圖線性拉伸：對經(jīng)多尺度頂帽變換增強(qiáng)所得圖像的灰度直方圖進(jìn)行基于高斯曲線擬合的直方圖線性拉伸，得到預(yù)處理后的視網(wǎng)膜圖像。
3.如權(quán)利要求1所述的基于動態(tài)尺度分配的視網(wǎng)膜血管提取方法，其特征是，所述步驟(2)的步驟為：
對預(yù)處理后的視網(wǎng)膜圖像按照尺寸進(jìn)行均等分塊，分割成設(shè)定個數(shù)的子圖像。
4.如權(quán)利要求1所述的基于動態(tài)尺度分配的視網(wǎng)膜血管提取方法，其特征是，所述步驟(3)的步驟為：
根據(jù)血管寬度將血管分為大中小三類；并依照不同寬度血管的灰度分布特征，對子圖像包含的血管種類進(jìn)行判斷；
進(jìn)一步的，步驟(3)對步驟(2)的子圖像自上而下、自左向右進(jìn)行編號；先根據(jù)子圖像位置的不同將子圖像分為三類：位于原圖四個角的子圖像、位于原圖中央的子圖像和位于原圖四條邊的子圖像；然后針對每類子圖像，根據(jù)不同寬度血管的灰度分布特征，將每個子圖像的血管進(jìn)行分類。
5.如權(quán)利要求4所述的基于動態(tài)尺度分配的視網(wǎng)膜血管提取方法，其特征是，針對每類子圖像，根據(jù)不同寬度血管的灰度分布特征，將每個子圖像的血管進(jìn)行分類，步驟為：
(3-1)對于位于原圖四個角的子圖像，子圖像中均僅含有中血管；
(3-2)對于位于原圖中央的子圖像，
判斷是否存在大血管，對位于原圖中央的子圖像灰度直方圖的第一設(shè)定灰度分布范圍內(nèi)像素點出現(xiàn)的頻率進(jìn)行統(tǒng)計，當(dāng)統(tǒng)計值大于第一設(shè)定閾值時，則代表該子圖像中含有大血管，反之，不含大血管；
判斷是否存在中小血管，對位于原圖中央的子圖像灰度直方圖的第二設(shè)定灰度分布范圍內(nèi)的灰度分布進(jìn)行高斯曲線擬合，得到高斯函數(shù)峰值和方差：
若高斯函數(shù)峰值大于第二設(shè)定閾值且方差小于第三設(shè)定閾值，則子圖像第二設(shè)定灰度分布范圍內(nèi)有小血管但無中血管；
若高斯函數(shù)峰值小于第二設(shè)定閾值且方差小于第三設(shè)定閾值，則子圖像第二設(shè)定灰度分布范圍內(nèi)既無小血管又無中血管；
若高斯函數(shù)峰值大于第二設(shè)定閾值且方差大于第三設(shè)定閾值，則子圖像第二設(shè)定灰度分布范圍內(nèi)既有小血管又有中血管；
若高斯函數(shù)峰值小于第二設(shè)定閾值且方差大于第三設(shè)定閾值，則子圖像第二設(shè)定灰度分布范圍內(nèi)無小血管但有中血管；
(3-3)對于位于原圖四條邊的子圖像，
判斷是否存在大血管，對位于原圖邊緣的子圖像灰度直方圖的第一設(shè)定灰度分布范圍內(nèi)像素點出現(xiàn)的頻率進(jìn)行統(tǒng)計，當(dāng)統(tǒng)計值大于第四設(shè)定閾值時，則代表該子圖像中含有大血管，反之，不含有大血管；
判斷是否存在中小血管的標(biāo)準(zhǔn)，與(3-2)類似，但閾值設(shè)定不同，對位于原圖邊緣的子圖像灰度直方圖的第二設(shè)定灰度分布范圍內(nèi)的灰度分布進(jìn)行高斯曲線擬合，得到高斯函數(shù)峰值和方差：
若高斯函數(shù)峰值大于第五設(shè)定閾值且方差小于第六設(shè)定閾值，則子圖像第二設(shè)定灰度分布范圍內(nèi)有小血管但無中血管；
若高斯函數(shù)峰值小于第五設(shè)定閾值且方差小于第六設(shè)定閾值，則子圖像第二設(shè)定灰度分布范圍內(nèi)既無小血管又無中血管；
若高斯函數(shù)峰值大于第五設(shè)定閾值且方差大于第六設(shè)定閾值，則子圖像第二設(shè)定灰度分布范圍內(nèi)既有小血管又有中血管；
若高斯函數(shù)峰值小于第五設(shè)定閾值且方差大于第六設(shè)定閾值，則子圖像第二設(shè)定灰度分布范圍內(nèi)無小血管但有中血管。
6.如權(quán)利要求1所述的基于動態(tài)尺度分配的視網(wǎng)膜血管提取方法，其特征是，所述步驟(4)的步驟為：
利用濾波器尺度與血管寬度之間的關(guān)系，動態(tài)選擇不同尺度的濾波器對不同寬度血管進(jìn)行增強(qiáng)。
7.如權(quán)利要求1所述的基于動態(tài)尺度分配的視網(wǎng)膜血管提取方法，其特征是，所述步驟(5)的步驟為：
采用高斯匹配濾波模板和高斯一階導(dǎo)數(shù)匹配濾波模板同時對增強(qiáng)后的視網(wǎng)膜圖像進(jìn)行匹配濾波，分別得到高斯匹配濾波器與視網(wǎng)膜圖像的卷積響應(yīng)及高斯一階導(dǎo)數(shù)匹配濾波器與視網(wǎng)膜圖像的卷積響應(yīng)；并進(jìn)一步計算得到高斯一階導(dǎo)數(shù)匹配濾波器與視網(wǎng)膜圖像卷積響應(yīng)的局部均值響應(yīng)。
8.如權(quán)利要求1所述的基于動態(tài)尺度分配的視網(wǎng)膜血管提取方法，其特征是，所述步驟(6)的步驟為：
利用高斯一階導(dǎo)數(shù)匹配濾波器與視網(wǎng)膜圖像卷積響應(yīng)的局部均值響應(yīng)對每個像素點的分割閾值進(jìn)行調(diào)整，得到整個圖像的閾值矩陣；將整個圖像的閾值矩陣與高斯匹配濾波器和視網(wǎng)膜圖像的卷積響應(yīng)進(jìn)行逐點比較，提取出血管結(jié)構(gòu)并剔除非血管結(jié)構(gòu)，將所有子圖像的提取結(jié)果進(jìn)行重新拼接，得到視網(wǎng)膜血管網(wǎng)絡(luò)二值圖像。
9.如權(quán)利要求1所述的基于動態(tài)尺度分配的視網(wǎng)膜血管提取方法，其特征是，所述步驟(7)的步驟為：
首先，利用目標(biāo)視網(wǎng)膜血管與噪點所在區(qū)域的幾何特征差別，先刪除視網(wǎng)膜血管網(wǎng)絡(luò)二值圖像中面積小于設(shè)定閾值P的連通域，再利用連通域外接矩形的長寬比，進(jìn)一步的消除圖像中殘留的噪聲；
其次，使用多尺度的高斯濾波器模版來對閾值分割后的血管邊緣進(jìn)行平滑處理；
接下來，利用DRIVE數(shù)據(jù)庫中提供的掩膜圖像，找到視網(wǎng)膜邊界像素點的位置，進(jìn)而消除圖像中殘留的視網(wǎng)膜邊界；
最后，采用閉運算對視網(wǎng)膜血管網(wǎng)絡(luò)二值圖像中不連續(xù)的細(xì)小血管進(jìn)行斷點連接。
10.基于動態(tài)尺度分配的視網(wǎng)膜血管提取系統(tǒng)，其特征是，包括：
視網(wǎng)膜圖像預(yù)處理模塊：對彩色視網(wǎng)膜圖像的綠色通道分量進(jìn)行對比度增強(qiáng)；
圖像分塊模塊：對預(yù)處理后的視網(wǎng)膜圖像按照尺寸進(jìn)行均等分塊，分割成設(shè)定個數(shù)的子圖像；
血管分類模塊：根據(jù)血管寬度將血管分為大中小三類；并依照不同寬度血管的灰度分布特征，對子圖像包含的血管種類進(jìn)行判斷；
動態(tài)尺度分配模塊：利用濾波器尺度與血管寬度之間的關(guān)系，動態(tài)選擇不同尺度的濾波器對不同寬度血管進(jìn)行增強(qiáng)；
多尺度匹配濾波模塊：采用高斯匹配濾波模板和高斯一階導(dǎo)數(shù)匹配濾波模板同時對增強(qiáng)后的視網(wǎng)膜圖像進(jìn)行匹配濾波，分別得到高斯匹配濾波器與視網(wǎng)膜圖像的卷積響應(yīng)及高斯一階導(dǎo)數(shù)匹配濾波器與視網(wǎng)膜圖像的卷積響應(yīng)；并進(jìn)一步計算得到高斯一階導(dǎo)數(shù)匹配濾波器與視網(wǎng)膜圖像卷積響應(yīng)的局部均值響應(yīng)；
閾值處理模塊：利用高斯一階導(dǎo)數(shù)匹配濾波器與視網(wǎng)膜圖像卷積響應(yīng)的局部均值響應(yīng)對每個像素點的分割閾值進(jìn)行調(diào)整，得到整個圖像的閾值矩陣；將整個圖像的閾值矩陣與高斯匹配濾波器和視網(wǎng)膜圖像的卷積響應(yīng)進(jìn)行逐點比較，提取出血管結(jié)構(gòu)并剔除非血管結(jié)構(gòu)，將所有子圖像的提取結(jié)果進(jìn)行重新拼接，得到視網(wǎng)膜血管網(wǎng)絡(luò)二值圖像；
后處理模塊：對閾值處理后的視網(wǎng)膜血管網(wǎng)絡(luò)二值圖像進(jìn)一步消除噪聲，對血管邊緣進(jìn)行平滑處理，消除圖像中殘留的視網(wǎng)膜邊界，對不連續(xù)的細(xì)小血管進(jìn)行斷點連接，從而保留圖像細(xì)節(jié)，得到分割精度高的視網(wǎng)膜血管網(wǎng)絡(luò)圖像。