白内障是世界发病率最高的、可治愈的致盲性眼病。患者常常伴有视物模糊,眩光感,单眼复视,使得病人生活质量严重下降。我国是白内障的“重灾区”,但眼科医生数量却远远不能满足需要,随着机器学习领域的不断拓展,计算机辅助诊断系统发挥着越来越重要的作用,这为改善白内障眼疾的医疗现状提供了新的研究方向。本文对皮质型白内障图像预处理、白内障病变检测、病变分类三个模块分别进行理论研究,在此基础上,将多层融合技术与颜色恒常性理论相结合,提出一种有效准确皮质型白内障图像颜色恢复算法;利用暗通道与像素迭代技术,提出一种能显著移除反光并提高局部对比度的反光移除方法。针对白内障病变具有视觉显著性及自相似的特点,提出结合分形与视觉显著性的皮质型白内障检测算法。分析比较多种特征提取及机器学习算法,将颜色特征、纹理特征、深度特征结合并利用SVM学习分类模型,提出一种精确的皮质型白内障分类算法。经实验证明,本文算法能有效进行皮质型白内障图像颜色恢复及反光移除,明显提高图像质量,极大提高白内障病变检测准确率,且能够有效精确快速对皮质型白内障病变进行分类。本文的主要研究内容和贡献如下:(1)深入分析和研究了颜色恒常性理论,提出一种基于多层融合颜色恒常性的皮质型白内障图像颜色恢复方法,并与常用颜色恒常性方法进行比较,实验证明,本文方法算法能有效进行皮质型白内障图像颜色恢复。(2)深入分析和研究了反光移除方法,重点研究基于双色反射模型的反光移除方法,提出基于暗通道强度比的皮质型白内障图像反光移除方法。经实验证明,算法能有效进行皮质型白内障图像反光移除。(3)深入研究和分析了视觉显著性算法,主要包括基于对比度的显著性算法和基于图模型的显著性算法,针对皮质型白内障病变,提出结合分形及视觉显著性检测方法,实验证明,该算法极大提高病变检测准确率。(4)提出了联合手工特征与深度特征的皮质型白内障分类算法,该算法采用多颜色空间颜色矩,GLCM、MR8提取的纹理特征及CNN提取的深度特征描述皮质型白内障,并利用SVM进行分类,实验证明,该算法能够获得较高准确率,且计算时间也在可接受范围。