تصاویر شبکیه در کاربردهای مختلفی قابل استفاده هستند مانند عمل های جراحی قعر چشمی و یا حتی در بازشناسی افراد. همچنین، این تصاویر نقش موثری در تشخیص مراحل اولیه برخی بیماری ها نظیر دیابت بازی می کنند؛ این عمل با مقایسه حالت و شرایط رگ های خونی در طول زمان انجام می-شود. مشخصات ذاتی تصاویر شبکیه به نوعی است که عمل تشخیص رگ های خونی را با دشواری همراه می سازد. در این پایان نامه شیوه جدیدی برای تشخیص موثر رگ های خونی بصورت خودکار ارائه شده است. روش پیشنهادی بدین صورت است که بر اساس قابلیت بالای تبدیل کرولت در نمایش لبه ها، اعمال این تبدیل و اصلاح ضرایب آن با هدف بهبود لبه های تصاویر ، سبب می شود که تصاویر شبکیه ا برای مرحله بخش بندی تصویر بهتر آماده شوند. جهتدار بودن المانهای چند-ساختاری آنها را به ابزاری مناسب برای تشخیص لبه تبدیل می سازد. لذا، عملگرهای مورفولوژی با استفاده از المان های چند-ساختاری با هدف تشخیص لبه های تصاویر شبکیه به تصاویر بهبود یافته اعمال می شود. سپس، عملگرهای مورفولوژی با بازسازی با حفظ ویژگی های لبه در رگهای نازک، زوائد تصویر لبه را حذف می کنند. برای بهبود عملکرد این عملگرها آن ها را با استفاده از المان های چند-ساختاری پیاده سازی می کنیم. در نهایت، یک شیوه آستانه گذاری ساده روی تصویر خروجی مرحله قبل بهمراه آنالیز اجزای بهم پیوسته (cca) و فیلتر طول مشخص می کنند که کدامیک از لبه های باقی مانده مربوط به رگ های خونی است. برای استفاده موثرتر از آنالیز اجزای بهم پیوسته، cca و فیلتر طول را بجای اعمال بر روی کل تصویر بصورت محلی انجام می دهیم. نتایج عملی بر روی یک بانک داده معروف، drive ، نشان داد که رگ های خونی تصاویر شبکیه با اعمال شیوه پیشنهادی بخوبی از پس-زمینه قابل تشخیص هستند.