糖尿病性视网膜病变(Diabetic Retinopathy,DR)是糖尿病的一种严重的眼部并发症,也是目前导致视觉损伤甚至不可逆性失明的主要病因之一。研究表明,定期对眼底进行检查,尽早发现病变,进行早期诊断和治疗,能够有效地防止视力的衰退或者丧失。眼底相机具备低廉、方便、快速无创等优点,被广泛地应用在大规模糖尿病性视网膜病变筛查中。微血管瘤(Microaneurysms,MAs)是糖尿病性视网膜病变在眼底彩照上出现的最早的可见病症,因此,利用计算机图像处理技术实现微血管瘤的自动检测对早期防治糖尿病性视网膜病变有着重要的意义。眼底彩照普遍存在光照不均衡、对比度低和噪声干扰的现象。此外,微血管瘤尺寸不等且相对较小,容易受到眼底图像背景结构的干扰。因此,实现对微血管瘤的自动检测目前仍是一项具有挑战性的课题。本文提出了一种基于眼底彩照的糖尿病性视网膜病变微血管瘤的自动检测方法,主要工作和贡献如下:首先,对眼底彩照进行图像预处理,主要包括:感兴趣区域的提取、光照均衡化、对比度受限自适应直方图均衡化、高斯滤波以及视盘检测,为后续的检测奠定基础。然后,提出了一种基于形状动态变化分析的微血管瘤候选对象的提取方法,主要通过计算圆度、面积和深度信息,并设定判定条件进行筛选,在公开数据集ROC的训练集上进行测试,结果表明该方法有助于微血管瘤候选对象的有效提取。接着,本文从剖面和局部两个角度分析了微血管瘤候选对象,分别提取了8个剖面特征和40个局部特征对其进行描述。最后,采用上述48个特征训练AdaBoost分类器,实现微血管瘤的检测。本文采用公开数据集ROC测试该算法的性能,结果表明,该算法能够有效地检测出微血管瘤,具有潜在的临床应用价值。