糖尿病视网膜病变（Diabetic Retinopathy,DR）是一种由糖尿病引发的眼部并发症,如不尽早防止则会有较高的致盲风险,因此通过眼底图像进行早期筛查变得至关重要。随着病人数量及眼底图片的急剧增加,眼科医生疲于阅片,自动化的眼底图像病变检测可有效提升医生的阅片质量及效率,并极大降低病人的诊疗成本。对医患双方均具有极高的应用价值,本文着眼于DR早期的微血管瘤病变,通过一系列算法实现微血管瘤的检测识别。首先对糖尿病及糖尿病视网膜病变关系、发病病因以及临床表现做了详细的简介。DR分两级六期,早期病征即为微血管瘤。介绍眼部结构及眼底成像方式,突出本文眼底彩自动化的检测方法的重要性。介绍研究内容以及研究方法,并对文献方法做出了较为全面的总结。详细列举了 DR病变检测分割的各类数据集,所含病变类型及相应图片数量,还介绍了各类测量指标,并在微血管瘤检测任务做出了以下三方面创新工作。（1）基于Canny边缘检测算子所得边缘设计线插值算法实现FOV区域分割。在图像视场区域FOV生成Mask通过裁剪方式去除黑边。针对传统多阈值方法在局部高亮或暗黑区域分割失效情况,基于人眼视觉对边缘轮廓的感知,本文边缘检测线插值算法有效解决在局部高亮或暗黑阈值算法分割失败的问题,实验结果表明本文算法对边缘梯度存在图像拥有较好鲁棒性。（2）基于方向导数加权及局部轮廓分析的提出一种新的MA检测算法实现微血管瘤候选点提取。分别对两种候选点检测算法采用不同预处理方法,基于高斯方向导数卷积核的加权图像运用于迭代阈值算法,及基于局部极小值算法提取候选点。改进加权图像中的高斯梯度卷积核为方向导数卷结核,可有效提升图像病变对比度。改进块滤波算法排除大量非微血管瘤,根据微血管瘤特性有针对性的增加了筛选条件,并取并集作为最终候选点,使得本文块滤波算法在极大降低假阳数量的情况下仍然具有较高的召回率。（3）提出基于多种特征模型的RUSBoost集成学习MA分类识别方法。基于局部剖面线,首次采用范数刻画剖面线与均值剖面线的高斯拟合曲线差异,新增剖面矩阵的秩及其奇异值作为特征。通过加权带通收敛指数扩大候选点支撑域,将计算区域扩大至支撑带内部以考察图像内部暗区对收敛指数的综合贡献。最后利用RUSBoost分类器在e-ophtha-MA和DIARETDB1数据集上进行验证,得到AUC值分别为0.9679和0.956。ROC及FROC曲线表明本文算法具有较好分类效果,在e-ophtha-MA数据集上与近两年文献对比取得了最高的Fscore,并在部分预设FPI值取得最高敏感度,虽然在DIARETDB1数据集上Fscore略微低于最优方法,但本文在FPI值为8时得到最高敏感度0.77451。本文提出基于Canny边缘检测的Mask生成算法以提取FOV感兴趣区域,并改进了基于迭代阈值和局部极小值的候选点算法,结合改进块滤波使得本文在候选点提取上具有较高召回率且假阳数相较其他文献极大降低。基于局部剖面线范数,局部剖面线及剖面矩阵及局部收敛指数改进设计多重特征。最后使用RUSBoost迭代类平衡采样分类器在近两年文献在e-ophtha-MA数据集取得最高的F-score,可见本文提出的预处理方法、候选点提取策略及多重特征具有较好的微血管瘤检测能力。