1.一种眼底图像视网膜血管管径自动量化方法，其特征在于，所述眼底图像视网膜血管管径自动量化方法包括以下步骤：步骤一，对利用粗细定位相结合的两步定位法检测视盘；

步骤二，对眼底图像预处理，进行去噪和增强处理，采用多尺度方法把视网膜血管从眼底图像背景中分离出来，剔除分割中存在的伪血管；

步骤三，采用边界法测量血管管径，并将结果显示在系统界面上；

所述步骤一中，自动检测视盘中视盘定位是眼底图像视网膜血管跟踪、黄斑和病变提取工作的基础：(1)视盘粗定位

根据眼底图像的灰度分布情况对图像二值化，采用数学形态学知识，去除部分干扰，获得视盘区间，粗定位视盘质心，将视盘粗定位为圆形；假设视盘质心为O，分别沿O点的水平和垂直方向找到视盘边缘上下点A、B和左右点C、D，共四点，利用最小二乘法拟合圆寻求质心，然后获取视盘子图像；

质心O的坐标(xo，yo)计算如下：

其中xi和yi分别为视盘边缘点的横坐标和纵坐标，N为视盘边缘点的总数；

在误差平方和最小的原则下，圆参数的最小二乘估计为：T ‑1 T ‑1

X＝(UU) UV＝U V (2)

其中

(x1，y1)，(x2，y2)，(x3，y3)是A、B、C、D中的任意3点的坐标，将4种情况下的圆心坐标均值分别作为视盘质心坐标；

(2)视盘精定位

利用视盘亮度信息和局部血管信息来粗定位视盘，采用基于非重新初始化的变分水平集的动态轮廓跟踪方法方便地得到最佳的视盘边界曲线，具有很好的容错性和健壮性，实现视盘的精确定位：图像能量函数表示为：

式中Ω表图像域， 为符号距离函数； 其中d是点(x,y)到曲线的最短距离， 表惩罚项，它确保水平集函数为符号距离函数，μ为惩罚项权重，常系数λ和v，λ>0，δ(■)是Dirac函数，停止函数 H(·)是Heaviside函数；

所述步骤二中，个别图像出现畸变现象，采用线性内插值法和归一化图像处理方法实现畸变校正；对于眼底图像成像过程中，非理想采集条件以及成像传感器特征差异影响，所采集到图像存在噪声、光照不均匀、图像对比度较低问题；预处理主要包括图像去噪和对比度增强、数学形态学处理；

(1)基于Contourlet变换的眼底图像去噪和对比度增强；在Contourlet域采用软阈值去噪的方法抑制噪声；采用非线性增强算子对变换的各带通方向子带系数做增强处理，经反变换得到对比度增强图像；

非线性增强算子如下：

E(xi,j)＝xi,j.sign(xi,j).tanh(b.u).(1+c.exp(‑u.u)         (4)其中，

(2)基于多尺度分析线性跟踪的视网膜血管分割将图像表示成多个尺度，利用多尺度分析方法对视网膜血管分割为在不同尺度下提取不同区域和宽度大小血管；首先从图像中选取一部分种子像素后开始跟踪，在跟踪过程中对满足条件的像素点赋予较高置信度，跟踪结束后对所有像素点置信度矩阵进行量化，获得最初血管；

①线性跟踪初始种子的选取

跟踪初始种子的血管路径定义为：

Vs＝{(x,y:Tlow

线性跟踪过程中，将属于血管像素的置信度保存在序列Cw中，若置信度矩阵中某个像素的置信度较高，则其属于血管的概率也相对较高；初始时，将置信度矩阵中所有尺度下的元素都设置为0；

Cw(x,y)：＝0 (6)

②线性跟踪的初始化

视网膜血管线性跟踪的初始化过程用式(7)表示：k:＝1,Vc(k)：＝Vs(t)，Cc:＝{} (7)其中，Vc为当前循环变量t下跟踪得到的像素序列，Cc为新跟踪像素序列；

③新跟踪像素的估计

当前跟踪的像素点为最后一个进入Vc的对象，Cc是一个由候选像素点构成的序列，候选像素点就是当前跟踪像素周围最近的8个像素点，不含Vc的点，如式(8)所示：Cc＝N8(Vc(k))‑Vc (8)

将当前的跟踪像素加入到Vc中，如式(9)所示：k:＝k+1,Vc(k):＝(x,y) (9)则置信度矩阵Cw更新为：

Cw(x,y):＝Cw(x,y)+1,(x,y):＝(xc,yc) (10)式(9)中所有参数值均小于T时，开始寻找下一个种子像素点(t:＝t+1)；

④多尺度线性跟踪

按照一定尺度对所有种子点进行重复跟踪，尺度数由视网膜图像中待检测血管的宽度决定，若视网膜图像中血管有较大的可变性，则其对应的尺度数目也比较多；经过多次仿真实验，尺度W＝3,5,7,9,11时比较恰当；

⑤视网膜血管的初始提取

采用映射量化法对血管进行初始估计；最初的血管是由置信度矩阵中大于TC的像素点构建，TC值等于尺度W的值；

所述步骤三中，边界法测量血管管径具体过程，如下：(1)血管测量图像区域选择

从分割出来的视网膜血管图像中，选择感兴趣的区域截取血管子图像做边缘检测，然后对子图像的血管进行宽度测量，减少处理的时间；

(2)血管管径宽度的计算

子图像中的血管方向尽量与水平方向平行，如果不是水平的，采用旋转角度的方法，使其尽量平行水平方向；采用最小距离法实现视网膜血管管径宽度的自动测量；

对垂直方向上下边缘点的坐标，利用两点间的距离公式计算，算出距离值作为血管宽度值，表示为：其中，wi是i列的宽度值，(xi,yi)和(xj,yj)分别是血管上下边缘的坐标；距离法具有适应范围广、稳定性好、精度高的优点；

(3)标尺定位及像素间距计算

为把以像素标定的血管管径转变为血管管径的实际大小，需测量像素间距，因此，必须解决在图像中对标尺定位；

通过最小刻度值与相邻刻度线之间的像素个数计算出像素的物理长度；在与截取子图像同样大小的图像中设定标尺，尺度为10mm×10mm，对标尺图像进行边缘检测处理之后,得到的是二值图像,设标尺的像素值为1，背景的像素值为0；对二值化标尺图像从上到下遍历二值图像，计算其像素数目；

设固定标尺尺寸为10mm，刻度间的像素数为Num，则像素的物理长度p由 决定，p的单位为mm/pixel；

(4)把血管管径的像素大小转换为物理大小

每个标记点测得像素与p相乘就知视网膜血管管径宽度的物理大小。

2.一种实现权利要求1所述眼底图像视网膜血管管径自动量化方法的眼底图像视网膜血管管径自动量化系统，其特征在于，所述眼底图像视网膜血管管径自动量化系统包括：视盘检测模块，用于实现眼底图像视盘检测；

图像预处理与分割模块，用于实现眼底图像去噪和对比度增强、视网膜血管分割与边缘检测；

量化与应用模块，用于实现视网膜血管管径测量、临床早期预测及辅助诊断。