随着糖尿病发病率的不断增加,由此引发的糖尿病性视网膜病变已成为发达国家成年人致盲的主要因素之一。对眼底视网膜的定期筛查和及早治疗成为糖尿病患者预防失明的重要手段。由眼底照相机拍摄的眼底视网膜照片因其存储方便,对患者无创和价格合理,已成为用于糖尿病性视网膜病变筛查的主要影像资料。基于眼底视网膜图像的计算辅助诊断能够向医生提供辅助诊断信息,减轻眼科医生在大量人群眼底筛查中的工作负担。　　 糖尿病性视网膜病变会导致眼底视网膜血管形态上的变化和引起一些特异性的眼底损伤。因此针对糖尿病性视网膜病变的计算机辅助诊断可分为两类:一是对眼底视网膜血管进行分割,并对视网膜血管的形态学特征进行评估；二是对眼底视网膜图像上各类特异性眼底损伤进行自动识别和计数,为医生提供辅助诊断信息。　　 本文提出了一种新的视网膜血管的分割方法,能够解决眼底视网膜图像对比度不均的问题。该算法对背景归一化的眼底视网膜图像采用自适应阈值进行二值化,并保留大的连通区域作为视网膜大血管。在二值化图像中提取大血管后,剩余的碎片中包括一些细血管片段,本文算法采用支持向量机将细血管片段从碎片中提取出来,并对这些细血管片段进行跟踪生长,以获得完整的视网膜血管网络。在大血管提取的过程中,视盘边缘往往被误判为血管,本文提出了一种基于灰度分布的视盘边缘自动擦除算法,能有效区分视网膜血管与视盘边缘,还可对视网膜大血管的边缘做精确定位。本文采用公共的DRIVE数据库中的眼底视网膜图像检验算法,与其他文献报道的算法相比,本文算法具有很高的灵敏度。　　 由糖尿病性视网膜病变引起的特异性眼底损伤,对糖尿病性视网膜病变的诊断和分期具有重要的意义。本文提出了自动识别眼底视网膜图像上微动脉瘤和硬性渗出的算法。眼底损伤自动识别算法的一般流程是:提取可能包含眼底损伤的可疑区域,对该区域提取相应的特征向量,采用分类器对所有提取出的可疑区域进行模式判断,得出其是否为眼底损伤的结论。在上述算法中,特征向量和分类器的选择以及分类器的参数设置是算法的关键。本文利用受试者特性曲线对眼底损伤的特征选取和分类器参数优化的方法给出了提示。