视网膜中的结构和病变区域蕴含着丰富的信息,这些信息与人类的健康息息相关。微动脉瘤是早期糖尿病视网膜病变的主要病症,及早检测有利于疾病诊断与治疗;视盘是视网膜图像中最明显的结构之一,是纹理和血管的发起点。可靠的微动脉瘤检测和视盘检测在眼底图像的认知及病变分析中具有重要意义。针对微动脉瘤检测,本文重点研究图像的对比度增强、候选点提取和微动脉瘤分类三方面。对比度增强中使用了局部标准差和整体标准差共同影响增强系数的方法,有效实现了对弱对比度区域的增强和强对比度区域的限制。候选点提取步骤根据微动脉瘤四周梯度变化的特点,提出了一种三层滤波模型,模型设置两层梯度阈值和一个方向参数,该模型的提取结果有较高的灵敏度。微动脉瘤分类使用基于KNN的分类方法,并设置微动脉瘤响应策略,以最近邻样本中微动脉瘤的响应个数判定类别。本文方法在ROC数据库得到较满意结果。针对视盘检测,本文提出一种基于深度特征的检测方法。该方法结合深度特征以及传统手工特征,构建一个双层检测模型,模型由2个SVM分类器组成,第一层寻找视盘候选区域,第二层精确定位视盘中心位置。本文方法在DRIVE,DIARETDB0,DIARETDB1和ROC视网膜公开库进行测试,分别得到100%,98.46%,100%,100%的准确率。