针对相位一致性特征对血管中心检测不足问题,提出基于融合相位特征的眼底视网膜血管分割算法.首先,预处理原始的视网膜图像;然后,对图像中每个像素构造4D的特征向量(包括Hessian矩阵、Gabor变换、条带选择组合位移滤波响应(B-COSFIRE)滤波、相位特征);最后,采用支持向量机(SVM)进行像素分类,实现眼底视网膜血管的分割.其中,相位特征是将分别提取的相位一致性特征与Hessian矩阵特征进行小波融合后得到的一种新的融合相位特征.该特征既保留了相位一致性特征良好的血管边缘信息,又克服了相位一致性特征对血管中心检测的不足.在用于血管提取的数字视网膜图像(DRIVE)数据库上测得基于融合相位特征的视网膜血管分割算法的平均准确率(Acc)为0.9574,平均受试者工作曲线面积(AUC)为0.9702;且在单一特征进行像素分类提取血管的实验中,与使用相位一致性特征相比,使用融合相位特征进行像素分类提取血管的Acc由0.9191提高到0.9478,AUC由0.9359提高到0.9578.实验结果表明,融合相位特征比相位一致性特征更适用于基于像素分类的眼底视网膜血管分割算法.