1.一种基于区域增长PCNN的视网膜血管分割方法，特征在于，包括：从目标视网膜血管图像的未标记像素中选择种子点；

增大PCNN模型的连接强度，使用连接强度增大后的所述PCNN模型以所述种子点为起始点提取所述目标视网膜血管图像中的血管特征，直到增大后的连接强度大于第一预设阈值；

若本次迭代提取的血管特征不同时满足第一预设条件和第二预设条件，则将本次迭代提取的血管特征对应的像素标记为同一标签，直到所述目标视网膜血管图像的所有像素都标记有标签；

其中，所述第一预设条件为本次迭代提取的血管特征中血管边缘像素的数量占血管像素总数量的比例小于或等于第二预设阈值；

所述第二预设条件为本次迭代提取的血管特征中血管面积占所述目标视网膜血管图像面积的比例小于或等于第三预设阈值。

2.根据权利要求1所述的方法，其特征在于，若本次迭代提取的血管特征不同时满足第一预设条件和第二预设条件，则将本次迭代提取的血管特征对应的像素标记为同一标签，直到所述目标视网膜血管图像的所有像素都标记有标签的步骤还包括：若本次迭代提取的血管特征同时满足第一预设条件和第二预设条件，则将本次迭代提取的血管特征删除。

3.根据权利要求1所述的方法，其特征在于，从目标视网膜血管图像的未标记像素中选择种子点的步骤之前还包括：将待处理视网膜血管图像的各通道乘以相应预设权重后相加，获取所述待处理视网膜血管图像的灰度图像；

根据所述灰度图像，获取所述目标视网膜血管图像。

4.根据权利要求3所述的方法，其特征在于，根据所述灰度图像，获取所述目标视网膜血管图像的步骤具体包括：分别基于二维高斯滤波方法和二维Gabor滤波方法对所述灰度图像进行滤波；

将所述二维高斯滤波方法的滤波结果与二维Gabor滤波方法的滤波结果进行融合，获取融合图像；

将所述灰度图像与所述融合图像进行相减，将相减结果进行取反操作后，乘以预设掩膜图像，获取所述目标视网膜血管图像。

5.根据权利要求4所述的方法，其特征在于，分别基于二维高斯滤波方法和二维Gabor滤波方法对所述灰度图像进行滤波的步骤之前还包括：若基于四邻域法获知所述灰度图像中各像素为边界，则将所述灰度图像中为边界的各像素进行边缘膨胀；

基于对比度受限制的直方图均衡化方法对边缘膨胀后的所述灰度图像进行对比度增强，获取预处理后的所述灰度图像；

相应地，分别基于二维高斯滤波方法和二维Gabor滤波方法对所述灰度图像进行滤波的步骤具体包括：分别基于二维高斯滤波方法和二维Gabor滤波方法对预处理后的所述灰度图像进行滤波。

6.根据权利要求5所述的方法，其特征在于，若基于四邻域法获知所述灰度图像中各像素为边界，则将所述灰度图像中为边界的各像素进行边缘膨胀的步骤具体包括：若所述灰度图像中各像素的四邻域中至少有一个值为0且不全为0，则获知所述灰度图像中各像素为边界；

将所述灰度图像中为边界的各像素进行边缘膨胀。

7.根据权利要求5所述的方法，其特征在于，基于对比度受限制的直方图均衡化方法对边缘膨胀后的所述灰度图像进行对比度增强，获取预处理后的所述灰度图像的步骤具体包括：将边缘膨胀后的所述灰度图像划分为多个块；

计算出各所述块的灰度直方图，并对各所述块的对灰度直方图进行裁剪；

对各所述块裁剪后的灰度直方图进行均衡化；

基于线性插值法将均衡化后灰度直方图对应的块进行连接，获取预处理后的所述灰度图像。

8.根据权利要求4所述的方法，其特征在于，所述二维高斯滤波方法的第i个高斯卷积核K'i(x,y)的公式为：K'i(x,y)＝Ki(x,y)-mi；

Ki(x,y)＝-exp(-u2/(2σ2))；

其中，Ki(x,y)为第i个高斯核矩阵中的系数，mi为第i个高斯核的均值， 为第i个高斯核的离散点，u、v分别为第i个高斯核在x轴和y轴上的值，σ为高斯核距离x轴坐标中心的偏移量，N＝{[u,v]||u|≤3σ,|v|≤L/2}，L为在y轴方向上被截断的血管长度，A为N中的点数。

9.根据权利要求4所述的方法，其特征在于，将所述二维高斯滤波方法的滤波结果与二维Gabor滤波方法的滤波结果进行融合，获取融合图像的步骤具体包括：将所述二维高斯滤波方法的滤波结果和二维Gabor滤波方法的滤波结果分别乘以相应预设权重后相加，获取融合图像。

10.根据权利要求4所述的方法，其特征在于，将相减结果进行取反操作后，乘以预设掩膜图像，获取所述目标视网膜血管图像的步骤具体包括：对预设掩模图像相继进行开运算、闭运算和腐蚀操作；

将处理后的所述预设掩模图像与取反结果进行相乘，获取所述目标视网膜血管图像。