糖尿病是一种世界范围的疾病,可以导致许多并发症。其中糖尿病性视网膜病变(Diabetic Retinopathy, DR)是糖尿病最为严重的并发症之一,是高血糖导致血管受损引起的,可以表现出一系列的症状,如微血管瘤、出血和渗出等。糖尿病视网膜病变已经成为发达国家工作人群致盲的最主要原因。糖尿病视网膜病变应尽早诊断,尽早治疗。视网膜病变筛查是一种有效、低成本的重要早期诊断手段。目前,视网膜病变筛查主要采用眼底相机拍照,根据拍摄得到的彩色图像进行糖尿病性视网膜病变的病灶的诊断。血管增生是糖尿病性视网膜病变的一个重要诊断标志,它将糖尿病性视网膜病变分为两个时期：非增殖性糖尿病视网膜病变(NPDR)和增殖性糖尿病视网膜病变(PDR),因此自动检测血管增生对于糖尿病性视网膜病变诊断意义非凡。本文所做的实验基于彩色视网膜图像。文章首先研究了一组用于提取血管增生纹理特征的滤波器。这组滤波器包括RGB通道、标准差滤波器、各向异性高斯滤波器、Gabor匹配滤波器和微分不变滤波器。这组滤波器具有平移不变性和旋转不变性,并可以在多尺度条件下提取特征。其次,本文研究了可以自动检测血管增生的框架,该框架包含预处理、特征提取、分类和特征选择等步骤。通过预处理去除视网膜图像的不均匀光照,通过滤波器组提取图像中的特征,通过极限学习机(Extreme Learning Machine, ELM)实现分类。为了减少计算的复杂性,本文使用特征选择算法来选择最重要的特征。结果表明,本文研究的滤波器组成功的提取了视网膜图像中的血管增生纹理特征,并且本文研究的血管增生检测框架可以自动检测并标记血管增生区域。