随着信号与信息处理技术的发展,数字图像处理与计算机辅助诊断两者的结合越来越密切。糖尿病性视网膜病变是一种严重的糖尿病并发症,是导致新发失明的主要原因。如何方便有效地进行视网膜眼底图像筛查,更早地识别视网膜损伤,及时采取相应措施避免失明,是目前面临的重大挑战和难题。本文基于糖尿病性视网膜病变中最早出现的微小动脉瘤病征进行了研究,旨在提出一种有效的微小动脉瘤检测算法。根据微小动脉瘤的基本检测原理可知,若要有效的实现视网膜图像中微小动脉瘤的检测,必须处理好三个关键环节,分别是视网膜图像的增强、微小动脉瘤候选者的匹配提取和微小动脉瘤候选者的筛选过滤。本文首先通过图像预处理技术实现了图像的增强,并重点对增强后的图像深入地研究了微小动脉瘤的匹配提取算法和筛选过滤算法。本文首先研究了使用模板匹配方法提取视网膜图像中的微小动脉瘤,实现了一种动态多参数模板匹配算法,该算法根据待匹配微小动脉瘤的区域灰度特性动态调节模板自身参数,以使模板最大限度地接近各种形态的微小动脉瘤。另外,算法同时使用误差和与相关系数共同制约匹配度,从而实现了更为精确的匹配提取。本文还将血管去除和区域生长结合在一起,实现了微小动脉瘤候选者的初步筛选。实验证明,该提取算法更能适应形态多变的微小动脉瘤,能够有效地提高微小动脉瘤的检测真阳性率。本文其次将使用动态多参数模板匹配算法提取得到的微小动脉瘤候选集应用于特征提取。针对单纯采用各个特征量作为独立约束指标进行筛选时忽视各个特征量的约束力大小的弊端,提出了基于分布特性的计分策略和自适应加权的汇总策略。计分策略的目的是为微小动脉瘤候选者的每个特征值计算一个分值,而汇总策略的目的是为计算得到的分值分配一个加权系数并计算微小动脉瘤候选者的加权总分,使用加权总分实现真假微小动脉瘤的过滤筛选。实验证明,基于分布特性计分策略和自适应加权汇总策略的过滤算法能够有效的降低微小动脉瘤的检测假阳性率。实验结果显示,综合使用上述算法,在检测灵敏度上平均提高了约12%,并且在相同检测灵敏度时平均假阳性率降低了约2.14倍,因此,本文所提出的算法是有效的。