1.一种眼底图像质量评价方法，其特征在于包括训练阶段和测试阶段两个过程；

所述的训练阶段过程的具体步骤为：

①_1、选取N幅原始的眼底图像及每幅原始的眼底图像的真实血管分割图像，将第u幅原始的眼底图像的真实血管分割图像记为Mu；然后对每幅原始的眼底图像分别进行L个不同等级的模糊失真、L个不同等级的过曝光失真和L个不同等级的欠曝光失真，得到每幅原始的眼底图像对应的3L幅失真眼底图像，包含L幅模糊失真的失真眼底图像、L幅过曝光失真的失真眼底图像、L幅欠曝光失真的失真眼底图像，将第u幅原始的眼底图像对应的第v幅失真眼底图像记为Su,v；其中，N＞1，u为正整数，1≤u≤N，L＞1，v为正整数，1≤v≤3L，Mu和Su,v的宽度均为W且高度均为H；

①_2、采用基于匹配滤波的血管分割方法，对每幅原始的眼底图像对应的每幅失真眼底图像进行血管分割，得到每幅原始的眼底图像对应的每幅失真眼底图像的血管分割图像，将Su,v的血管分割图像记为Qu,v；然后根据每幅原始的眼底图像的真实血管分割图像，计算每幅原始的眼底图像对应的每幅失真眼底图像的血管分割图像的分割准确度，将Qu,v的分割准确度记为ρu,v， 其中，Qu,v的宽度为W且高度为H，TP表示Qu,v中检测为血管且对应像素点在Mu中也为血管的像素点的个数，FP表示Qu,v中检测为血管但对应像素点在Mu中为非血管的像素点的个数，FN表示Qu,v中检测为非血管且对应像素点在Mu中也为非血管的像素点的个数；

①_3、将所有失真眼底图像及其血管分割图像的分割准确度构成训练集，记为{Sv',ρv'|

1≤v'≤N×3L}；其中，v'为正整数，1≤v'≤N×3L，N×3L为失真眼底图像的总幅数，Sv'表示{Sv',ρv'|1≤v'≤N×3L}中的第v'幅失真眼底图像，ρv'表示{Sv',ρv'|1≤v'≤N×3L}中的第v'幅失真眼底图像的血管分割图像的分割准确度；

①_4、计算{Sv',ρv'|1≤v'≤N×3L}中的每幅失真眼底图像的统计特征矢量，将Sv'的统计特征矢量记为 其中， 的维数为5×1；

①_5、计算{Sv',ρv'|1≤v'≤N×3L}中的每幅失真眼底图像的纹理特征矢量，将Sv'的纹理特征矢量记为 其中， 的维数为4×1；

①_6、计算{Sv',ρv'|1≤v'≤N×3L}中的每幅失真眼底图像的形状特征矢量，将Sv'的形状特征矢量记为 其中， 的维数为2×1；

①_7、将{Sv',ρv'|1≤v'≤N×3L}中的每幅失真眼底图像的统计特征矢量、纹理特征矢量、形状特征矢量按序排列构成{Sv',ρv'|1≤v'≤N×3L}中的每幅失真眼底图像的特征矢量，将Sv'的特征矢量记为Fv'， 其中，Fv'的维数为11×1，为 的转置， 为 的转置， 为 的转置， 为

的转置；

①_8、将{Sv',ρv'|1≤v'≤N×3L}中的所有失真眼底图像各自的血管分割图像的分割准确度和特征矢量构成训练样本数据集合，训练样本数据集合中包含N×3L个分割准确度和N×3L个特征矢量；然后采用支持向量回归作为机器学习的方法，对训练样本数据集合中的所有特征矢量进行训练，使得经过训练得到的回归函数值与分割准确度之间的误差最小，拟合得到最优的权重矢量wopt和最优的偏置项bopt；接着利用最优的权重矢量wopt和最优的偏置项bopt，构造预测模型，记为f(F)， 其中，f()为函数表示形式，F用于表示失真眼底图像的特征矢量，且作为预测模型的输入矢量，(wopt)T为wopt的转置，为F的线性函数；

所述的测试阶段过程的具体步骤为：

②对于任意一幅用作测试的失真眼底图像，记为Stest；然后按照步骤①_4至步骤①_7的过程，以相同的操作，获取Stest的特征矢量，记为Ftest；再根据训练阶段构造的预测模型f(F)对Ftest进行测试，预测得到Ftest对应的预测值，将该预测值作为Stest的分割准确度值，记为ρtest， 其中，Stest的宽度为W'且高度为H'，Ftest的维数为11×1，为Ftest的线性函数。

2.根据权利要求1所述的一种眼底图像质量评价方法，其特征在于所述的步骤①_4中的 的获取过程为：①_4a、计算Sv'的均值特征、标准差特征、歪斜度特征、峰态特征和信息熵特征，对应记为f1、f2、f3、f4、f5，其中，1≤x≤W,

1≤y≤H，Sv'(x,y)表示Sv'中坐标位置为(x,y)的像素点的像素值，j为正整数，1≤j≤J，J表示Sv'中所包含的灰度级的总数目，Sv'(j)表示Sv'中的第j个灰度级的灰度值，p[Sv'(j)]表示Sv'(j)在Sv'中出现的概率， 表示Sv'中灰度值等于Sv'(j)的像素点的总个数；

①_4b、将f1、f2、f3、f4、f5按序排列构成Sv'的统计特征矢量其中，[f1,f2,f3,f4,f5]T为[f1,f2,f3,f4,f5]的转置。

3.根据权利要求1或2所述的一种眼底图像质量评价方法，其特征在于所述的步骤①_5中的 的获取过程为：①_5a、对Sv'中的所有像素点在水平0°度方向进行扫描，得到Sv'在水平0°度方向的灰度共生矩阵，记为{p0°(j1,j2)|1≤j1≤J,1≤j2≤J}；其中，j1和j2均为正整数，1≤j1≤J，1≤j2≤J，j1≠j2，J表示Sv'中所包含的灰度级的总数目，p0°(j1,j2)表示Sv'中灰度值为j1的像素点与灰度值为j2的像素点在水平0°度方向同时出现的概率；

①_5b、根据{p0°(j1,j2)|1≤j1≤J,1≤j2≤J}，计算Sv'在水平0°度方向的对比度特征、相关度特征、角二阶矩特征、同质性特征，对应记为C0°、R0°、E0°和H0°，其中， 表示Sv'在水平0°度方向的第一

均值 ， 表示 Sv '在水 平0 °度方向的 第二均值 ，

表示Sv'在水平0°度方向的第一标准差，

表示Sv'在水平0°度方向的第二标准差，

符号“| |”为取绝对值符号；

①_5c、对Sv'中的所有像素点在右对角45°度方向进行扫描，得到Sv'在右对角45°度方向的灰度共生矩阵，记为{p45°(j1,j2)|1≤j1≤J,1≤j2≤J}；其中，p45°(j1,j2)表示Sv'中灰度值为j1的像素点与灰度值为j2的像素点在右对角45°度方向同时出现的概率；

①_5d、根据{p45°(j1,j2)|1≤j1≤J,1≤j2≤J}，计算Sv'在右对角45°度方向的对比度特征、相关度特征、角二阶矩特征、同质性特征，对应记为C45°、R45°、E45°和H45°，其中， 表示Sv'在右对角45°度方向的第一均值， 表示Sv'在右对角45°度方向的第二均值，

表示Sv '在右对角45 °度方向的第一标准差，

表示Sv'在右对角45°度方向的第二标准差，

①_5e、对Sv'中的所有像素点在垂直90°度方向进行扫描，得到Sv'在垂直90°度方向的灰度共生矩阵，记为{p90°(j1,j2)|1≤j1≤J,1≤j2≤J}；其中，p90°(j1,j2)表示Sv'中灰度值为j1的像素点与灰度值为j2的像素点在垂直90°度方向同时出现的概率；

①_5f、根据{p90°(j1,j2)|1≤j1≤J,1≤j2≤J}，计算Sv'在垂直90°度方向的对比度特征、相关度特征、角二阶矩特征、同质性特征，对应记为C90°、R90°、E90°和H90°，其中， 表示Sv'在垂直90°度方向的第一均值， 表示Sv'在垂直90°度方向的第二均值，

表示 Sv '在垂 直90 °度 方向的 第一标 准差 ，

表示Sv'在垂直90°度方向的第二标准差，

①_5g、对Sv'中的所有像素点在左对角135°度方向进行扫描，得到Sv'在左对角135°度方向的灰度共生矩阵，记为{p135°(j1,j2)|1≤j1≤J,1≤j2≤J}；其中，p135°(j1,j2)表示Sv'中灰度值为j1的像素点与灰度值为j2的像素点在左对角135°度方向同时出现的概率；

①_5h、根据{p135°(j1,j2)|1≤j1≤J,1≤j2≤J}，计算Sv'在左对角135°度方向的对比度特征、相关度特征、角二阶矩特征、同质性特征，对应记为C135°、R135°、E135°和H135°，其中， 表示Sv'在左对角135°度方向的第一均值， 表示Sv'在左对角135°度方向的第二均值，

表示Sv'在左对角135 °度方向的第一标准差，

表示Sv'在左对角135°度方向的第二标准差，

①_5i、计算Sv'的对比度特征、相关度特征、角二阶矩特征、同质性特征，对应记为f6、f7、f8和f9，①_5j、将f6、f7、f8和f9按序排列构成Sv'的纹理特征矢量 其中，[f6,f7,f8,f9]T为[f6,f7,f8,f9]的转置。

4.根据权利要求3所述的一种眼底图像质量评价方法，其特征在于所述的步骤①_6中的 的获取过程为：①_6a、计算Sv'的水平梯度图像和垂直梯度图像，对应记为GX和GY，将GX中坐标位置为(x,y)的像素点的像素值记为GX(x,y)， 将GY中坐标位置为(x,y)的像素点的像素值记为GY(x,y)， 其中，1≤x≤W,1≤y≤H，符号 为卷积操作符号，Sv'(x,y)表示Sv'中坐标位置为(x,y)的像素点的像素值；

①_6b、根据GX和GY计算Sv'的梯度幅值图像，记为G，将G中坐标位置为(x,y)的像素点的像素值记为G(x,y)，①_6c、计算Sv'的血管梯度方差特征和血管弯曲度特征，对应记为f10和f11，其中，n表示Sv'中为血管的像素点的个数，i为正整数，1≤i≤n-1，符号“| |”为取绝对值符号，θi表示Sv'中为血管的第i个像素点的切线角度，θi+1表示Sv'中为血管的第i+1个像素点的切线角度；

①_6d、将f10和f11按序排列构成Sv'的形状特征矢量 其中，[f10,f11]T为[f10,f11]的转置。