白内障是致盲的首要病因,早期发现和治疗可以减少白内障患者的痛苦,防止视力损害加重。目前白内障的早期识别仍然是一个难题,需要依靠有经验的眼科医生进行诊断,且有一定的误差。所以开发一个白内障自动诊断系统,在白内障的早期识别上具有广大的应用前景。本文在对眼底图像分析的基础上,提出了一种基于组合分类器的白内障眼底图像分类系统,能将白内障眼底图像划分为正常、轻度、中度以及重度四个类别。为了实现对白内障眼底图像自动识别分类,本文主要做了如下研究:1.研究了图像预处理的方法,在眼底图像预处理阶段对图像进行了颜色空间变换、直方图均衡化、高低帽变换以及滤波等操作。2.在特征提取阶段,对预处理之后的图像我们基于小波变换、图像轮辅特征分析、纹理特征分析提取了三组独立的特征,这三组特征的维度分别是60维、23维、39维。3.在MATLAB环境下,针对特征提取阶段得到的三组独立特征,先分别使用了神经网络和支持向量机分类器,然后再使用组合分类器常用的投票法和叠加法获得白内障眼底图像的最终类别。由实验结果得到使用投票和叠加式的组合分类器的正确率分别是83.9%和84.5%,都高于使用单个分类器的正确率。4.以MATLAB GUI作为开发工具,编写白内障眼底图像处理与识别系统,实现对白内障眼底图像的识别。相信这项研究工作不仅可以辅助医生进行诊断,也可以提高我国眼科学诊断水平和人民生活健康水平,具有很好的临床应用前景和社会效益。