1.一种基于血管分割和背景分离的眼底图像质量评价方法，其特征在于，所述方法包括以下步骤：

1)首先，通过在DRIVE公开眼底图像数据集上预训练的U-Net模型对输入图像进行血管分割；

2)将步骤1)得到的血管特征图与原始图像进行逐元素相乘，得到只含血管和背景信息的图像；

3)使用提取后的特征图像分别输入卷积神经网络分支中进行训练，得到模型参数；

4)将训练好的卷积神经网络模型对测试图片进行质量评价。

2.根据权利要求1所述的一种基于血管分割和背景分离的眼底图像质量评价方法，其特征在于，所述步骤3)中实施的网络结构，包括两个部分：双分支特征提取路径和通道特征强化结构，双分支特征提取路径由两条各包含两个卷积块的特征提取路径组成，每个卷积块内部结构相同，对路径分支最后一个卷积块的输出进行融合，将学习到的不同区域特征进行整合，再送入卷积块中对浅层特征进行提炼和学习，最后，在原先的卷积块上增加全局池化和全连接层，增强通道内的特征表示能力。