真菌性角膜炎是一种感染性的角膜病变,通常是由真菌引起的病变,若不及时治疗极易造成角膜穿孔、眼内炎等一些十分严重的后果。如何利用角膜共聚焦显微图像中菌丝和神经形态上的差异,实现自动化分类,是计算机辅助诊断的重要途径。本文通过对取得的图像进行预处理、提取特征,进而实现对正常神经图像和异常菌丝图像的分类。若图像被分类为含有菌丝的图像,即检测并标注出图像中的菌丝并进行真菌密集度估算从而实现病程估计。为了提高分类的准确度,针对角膜共聚焦显微图像的特点,提出了改进的特征提取算法。本文的主要工作如下：第一,介绍了目前国内外研究现状、医学图像的预处理方法、特征提取的方法以及图像分类的技术。第二,特征提取是实现图像分类的关键,特征提取算法的选择将直接影响图像分类的准确度。针对角膜共聚焦显微图像纹理特点,本文中对纹理分析算法进行了重点的研究,做出了两点改进：一是使用十字形的邻域来代替传统LBP算法中的正方形邻域,以便更好的提取图像特征；二是在AMBP算法的基础上,将窗口内像素的均值计算出来作为一个新的参数,添加新的判决条件来完成阈值的选择。并通过实验结果验证了改进的可行性及有效性。第三,实现了角膜共聚焦显微图像的分类,将未知类别的图像通过分类器分为正常的神经图像和异常的菌丝图像两个类别。本文中采用的分类器是支持向量机(SVM)。第四,实现了菌丝图像的线检测以及菌丝密度估算。如果图像被分类为菌丝图像,针对图像中菌丝是高亮的特点,对二值化过程中的阈值选取步骤进行了改进。本文中采用了LSD线检测算法来对其进行处理,标注出图像中的菌丝,并与经典的Hough线检测算法实验结果进行了比较。之后进行了真菌密集度的估算,从而实现病程的估计。