视网膜微动脉瘤(MAs)是糖尿病性视网膜病变的最早可临床观察到的病变。 因此,可靠的自动化MAs检测对于糖尿病视网膜病变的早期诊断至关重要。 提出了一种基于梯度矢量分析和分类不平衡分类的彩色眼底图像自动MAs检测新方法,该方法由候选MAs的提取和分类两个阶段组成。 在第一阶段,通过分析图像的梯度场,设计出候选MAs提取算法,根据梯度矢量计算出多尺度对数条件数图,进行血管去除,然后根据图像进行局部定位。到在不同方向上计算的二阶方向导数。 由于眼底图像的复杂性,除了少量的真实MA之外,在提取的候选对象中还存在大量的nonMA。 对真正的MA和非MA进行分类是一个极端的类不平衡分类问题。 因此,在第二阶段,从候选MA中提取包括几何形状,对比度,强度,边缘,纹理,区域描述符和其他特征在内的几种类型的特征,并为MAs分类训练类别不平衡分类器(即,RUSBoost)。 使用视网膜病变在线挑战(ROC)准则,在ROC数据库中,每幅图像的1 / 8、1 / 4、1 / 2、1、2、4和8个假阳性,所提出的方法的平均灵敏度为0.433。可以与最新方法相比,并且在DiaRetDB1 V2.1数据库上为0.321,优于最新方法。