糖尿病视网膜病变(DR)是糖尿病一种极为常见的并发症,目前已经成为我国导致失明的重要疾病之一,而及时的诊断和治疗可以有效的避免其对视力的危害。但是由于医疗资源的相对紧缺,DR的筛查预防工作变得极为困难,从而使得大量的DR患者错过了治疗的最佳时间,最终导致视力受损甚至失明。为此利用数字图像处理及图像分类等方法,实现糖尿病视网膜病变的自动诊断,对于实现大规模眼底普查具有十分重要的意义。论文主要针对眼底图像分割和糖尿病视网膜病变的分期诊断进行了研究,基于图像处理及图像分类算法,提出了一种基于图像处理的糖尿病视网膜病变分期辅助诊断算法。具体内容和创新结果如下:(1)为去除血管网对于病变提取的干扰,提出了一种基于数字形态学方法的血管网分割算法。首先通过底帽变换得到血管网粗分割结果,之后基于形态学重建理论完成了血管网的精分割。(2)为去除视盘对于病变提取的干扰,提出了一种基于滑动窗口的快速的视盘定位方法,能够在较短时间内完成视盘的定位工作。(3)为实现硬性渗出物的分割提取,从渗出物特征出发,提出了一种基于图像融合的硬性渗出物的分割算法。与同领域其他算法相比,本文算法具有特异性和准确率高、耗时短的特点。(4)为实现糖尿病视网膜病变的分期诊断,提出了一种基于支持向量机(SVM)的糖尿病视网膜病变分期辅助诊断算法,从糖尿病视网膜病变的病理特征出发提取特征向量,对分类器进行训练与测试,测试集结果表明该模型对于单纯型糖尿病视网膜病前中期诊断效果良好。