糖尿病视网膜病变是严重的糖尿病并发症,同时又是致使糖尿病患者失明的重要原因。硬渗出是一个早期糖尿病视网膜病变的特征,硬渗出的检测对于糖尿病患者的诊断和治疗具有重要的意义。本文对糖尿病视网膜病变图像硬渗出的自动检测方法进行了深入的研究,主要的研究内容有:（1）介绍检测硬渗出的基础理论知识及方法。图像的预处理方法包括Gamma曲线校正,对比度受限的自适应直方图均衡化（CLAHE）增强图像方法和在YIQ空间增强图像的方法,它们能够很好的解决图像的对比度低,光照不均的质量问题;提取硬渗出候选区域的理论包括形态学重构技术,大津阈值（Otsu）分割算法;视盘的检测方法包括视觉显著性,Hough变换和图割理论。（2）提出基于形态学重构技术和大津阈值（Otsu）技术硬渗出候选区域的提取方法。首先对图像进行预处理,使用Gamma曲线校正、CLAHE图像增强方法和在YIQ空间增强图像对比度。然后基于形态学重构技术和Otsu的分割方法,提取硬性渗出物的候选区域。提取硬渗出候选区域时对图像设置不同的亮度,并把对不同亮度的检测结果进行叠加,双重检测可以有效防止漏检面积较小的硬渗出区域。最后对硬渗出候选区域进行后处理,本文中利用基于形态学的Hough变换算法和视觉显著性的Itti算法检测视盘,并在硬渗出候选区域中将视盘剔除,提高硬渗出候选区域提取的准确性。（3）实现糖尿病视网膜病变图像硬性渗出物的精确检测。对硬渗出的候选区域提取颜色,亮度,形状,高斯滤波平均响应,Laws纹理特征和Gabor纹理特征训练SVM分类器和集成分类器,将硬渗出和非硬渗出进行分类,最终得到精确的硬渗出。利用SVM和集成分类器分别对提取纹理特征和未提取纹理特征的硬渗出候选区域进行分类,并通过敏感性（Se）和平均预测准确率（PPV）进行评价。实验结果证明,本文提取的Laws纹理特征和Gabor滤波特征对于硬渗出的分类具有显著的效果。与其它的硬渗出检测方法相比,本文提出的方法取得了较高的敏感性和平均预测准确率,具有一定的优势,是一个非常有效的硬渗出检测方法。