糖尿病视网膜病变是糖尿病的严重并发症，是目前严重的致盲眼病。早发现，早诊断，早治疗，则可抑制病情的发展以利于治愈。视网膜图像的普查已成为早发现的重要手段，对视网膜图像的分析已成为目前研究的热点，而我国对糖尿病视网膜病变的自动分类诊断研究还很落后，只有少量文章也仅仅致力于对视网膜血管的分割以及对视网膜背景的修正。　　本文以实现糖尿病视网膜病变图像自动分类为目的，在糖尿病视网膜图像特征检测、特征提取、图像分类等方面进行了深入和具体的研究，主要完成的工作如下:　　(1)在视网膜图像特征检测方面，研究并实现了血管、视盘和硬性渗出的分割检测。针对血管分割，分析对比了现有方法的优劣，基于数学形态学实现了快速有效地分割血管;针对视盘分割，提出利用视盘的光谱特征及其为视网膜图像中最亮像素点集合的性质，在眼底视网膜图像的红色通道图中，利用最大类间方差法阈值分割结合数学形态学实现了快速提取视盘;针对硬性渗出，提出了基于形态学重建的分割方法，首先通过边缘锐化与形态学区域填充得到候选硬性渗出区域，继而通过形态学重建，细致分割硬性渗出区域。　　(2)在得到血管及硬性渗出的分割结果基础上，提取血管及硬性渗出面积作为糖尿病视网膜图像的病变特征;基于灰度共生矩阵，提取糖尿病视网膜图像的纹理特征，将病变特征及纹理特征相结合，作为视网膜图像的分类依据。　　(3)研究了支持向量机中核函数及其参数对糖尿病视网膜图像分类性能的影响。核函数是支持向量机模型的核心机制，函数类型的选择和参数的确定对于分类的准确度至关重要。论文阐述了核函数的基本理论，对目前常用的径向基核函数、多项式核函数和Sigmoid核函数进行了仿真和分析，实现了对糖尿病视网膜图像的自动分类，实验表明径向基核函数较其它两种核函数具有更强的泛化能力。　　(4)在MFC框架下结合OpenCV开发了糖尿病视网膜病变图像自动分类系统软件。该系统实现了多种功能，包括:血管检测、视盘检测、硬性渗出检测，提取病变特征及纹理特征，能够将输入的糖尿病视网膜图像自动分类为正常、非增殖性视网膜病变和增殖性视网膜病变。通过进一步完善该系统，可以方便扩展对糖尿病视网膜病变图像自动诊断的功能。