针对传统的脉冲耦合神经网络（Pulse Coupled Neural Network，PCNN）模型中参数众多且不易自动选取，迭代次数结束条件不好确定的问题，提出了一种基于灰度迭代阈值脉冲耦合神经网络的眼底图像血管分割方法。该方法简化了传统PCNN模型，将其单一的神经元兴奋性链接输入改进为神经元兴奋性与邻域抑制性链接输入之和；同时将其随时间指数衰减的阈值改进为图像的灰度迭代阈值，分割图像时无需人工设置参数，无需特定准则确定最佳迭代次数，一次迭代完成分割。对DRIVE眼底图像库的实验结果表明，该方法在主观视觉效果及客观分割性能和运算耗时上均明显优于传统PCNN方法。