1.基于人类视觉系统的眼底图像质量评估方法，其特征在于，包括如下步骤：

(1)选取Kaggle数据集中部分眼底图像作为原始数据样本，对眼底图像进行预处理，去除图片背景区域中的黑色冗余信息，并对眼底图像的感兴趣区域进行提取，得到去除背景区域的彩色眼底图；

(2)使用一种频率调谐的方法对眼底图像计算显著图，通过合理地设置频率阈值范围来强调整体显著性区域，同时使显著性目标的边界更加明显并且忽略掉一部分干扰噪声；

采用多个高斯滤波器的差分联合对显著图进行带通滤波，滤波器输出全分辨率显著图；

(3)构建卷积神经网络模型，采用ImageNet数据集的自然图像单独对主神经网络进行训练，通过训练得到的参数对主神经网络进行微调并保存主神经网络模型参数；在保存的主神经网络模型参数中，选取眼底图像质量分类性能最好的主神经网络模型参数来初始化卷积神经网络中的主神经网络参数，余下参数随机初始化；

(4)提取全分辨率显著图中的显著性特征，同时提取眼底图像在卷积神经网络全连接层中的特征参数；分别归一化显著图的显著性特征和卷积神经网络的特征，将两个归一化特征进行融合，通过融合的特征构建特征矩阵；

(5)将特征矩阵送入支持向量机分类器，分类器在特征空间中找到一个超平面，该超平面能够将两类图片的特征向量最优地分开，实现图片质量“可接受的”和“不可接受的”两种情况的最优分类，所述步骤(1)的预处理操作为：对彩色眼底图像进行灰度变换得到对应的灰度图像，利用最大类间方差法找到灰度图像的最佳阈值，将图像二值化得到掩膜模板，对掩膜模板进行轮廓提取得到包围盒，根据包围盒提取感兴趣区域，得到将背景区域去除的彩色眼底图；

将预处理后的图像进行平移、旋转操作对数据进行增广来增加训练数据量，所述步骤(2)中采用频率调谐的方法，取一个非常小的低频阈值和一个较大的高频阈值，强调整体的显著性区域同时忽略部分干扰噪声；采用高斯差分滤波器对显著图进行带通滤波，高斯差分滤波器公式如下：式中σ1和σ2是高斯滤波器的标准差，且σ1>σ2，高斯滤波器的带通宽度是由标准差σ1和σ2的比值K决定的；设定一个大的K值得到多个带通滤波器的组合效果。