医学图像处理与分析一直是数字图像处理领域的研究热点和难点。其中,彩色眼底成像是通过光学仪器直接观测人体血管最方便、最快捷的途径。因此,彩色眼底图像已被广泛应用到眼科疾病的各项诊断中。糖尿病视网膜病变(Diabetic retinopathy,DR)作为糖尿病的主要并发症之一,已成为世界致盲率最高的眼科疾病。微动脉瘤(Microaneurysm,MA)是DR的最早期病症,实现MA的准确检测对DR早期诊断、治疗及预防具有重要意义,但是目前MA的检测主要依赖于眼科医生在眼底图像中手动标注,耗时费力。因此基于眼底图像对MA进行智能化自动检测不仅能够辅助医生进行临床诊断,而且有利于DR的早期筛查。首先,由于受到拍摄条件和眼底病变程度等因素的影响,眼底图像整体亮度、对比度较低且光照不均,MA局部背景对比度低。因此,在检测MA时需先对眼底图像进行增强。本文提出了一种基于复合Gamma校正的彩色眼底图像增强算法,实现对不同亮度和病变程度眼底图像的自适应增强,有效克服眼底光照不均的影响,提升图像整体亮度,增强MA局部背景间的对比度。其次,MA边缘模糊、局部背景复杂且多噪声导致MA检测结果漏检与误检较多。本文提出了一种基于圆形双边Gabor滤波和局部梯度分析的眼底MA检测方法,突显小尺寸和边界模糊的可视MA,有效降低漏检。同时抑制局部背景,移除具有方向性的细小血管,显著降低由于噪声和细小血管所造成的误检。针对医院数据库,本方法在图像水平上灵敏度为100%,在病灶水平上的灵敏度为93.8%。对于ROC数据库,本方法在图像水平上的灵敏度为100%,特异性为53.9%,准确率为96%;在病灶水平上,在平均每幅图像存在6.9个误检时,本方法获得最优灵敏度65.4%。由于眼底相机视角的局限性,单幅眼底图像仅能观测到局部区域。为能够观测到大视角的眼底图像,本文提出了一种基于SIFT变换和Otsu匹配的彩色眼底图像拼接方法,实现对同一人眼拍摄得到的多幅彩色眼底图像的准确拼接。为提高特征点匹配精度,提出了一种基于Otsu的特征点匹配算法,准确剔除误匹配点对;采用最大值算法对配准结果进行融合,未对图像进行平滑和滤波,有效保留眼底信息。实验结果表明,本方法用于轻度和中度病变的眼底图像时,血管拼接无错位、能保留MA等DR早期病灶。匹配点对的均方根误差(RMSE)为0.9409、平均绝对误差(MAD)为0.9459,重叠区域的相关系数为0.9797;同组眼底图像间配准成功率为88%。最后,研发了一套彩色眼底图像DR自动筛查软件系统,对多个眼底数据库进行测试。测试结果表明,本文提出的MA检测方法能够准确判断彩色眼底图像中有无MA,推动了基于彩色眼底图像的MA检测技术的发展,弥补了我国对于DR早期病变特别是对于MA检测方法研究匮乏的不足。为临床中DR的早期诊断提供客观依据,降低医疗成本,利于DR的早期大面积筛查。