无线胶囊内窥镜(wireless capsule endoscopy,WCE)系统在最近十年取得了突飞猛进的发展,其中光学内窥镜能够置入小型可吐咽的胶囊中,以无线方式传输彩色图像。然而病灶智能检测技术满足不了医疗实际的需求。作为一种新型的内窥镜图像病灶智能检测技术,其研究和应用发展尚不成熟,传统的模式识别技术难以针对病灶图像提取有效的普适特征向量,因此对其研究有着极其重要的实际意义。现有的单一的纹理分析方法,都取得了较好的结果,验证了纹理特征在内窥镜病灶图像检测中的可行性,但现有的纹理分析方法进行内窥镜异常图像检测分类时一般只针对单一病灶。少部分针对多种纹理特征的提取尚存在不足,于是论文做了如下工作。文中首先介绍了病灶智能识别的研究背景和意义,针对纹理分析方法,重点剖析了LM滤波器组与局部二值算子(Local Binary Pattern,CS-LBP)两种图像纹理描述方法,针对内窥镜图像特点,对获取的内窥镜图像采取了图像增强、图像去噪、归一化处理以及图像分割等预处理步骤,为提取准确的纹理特征提供帮助。然后结合滤波器组与LBP算子,对确定的病灶块与正常图像块进行纹理信息提取,采用KNN方法对图像块向量进行聚类,获得纹理基元字典。接下来,用相同方式对预处理后的图像块进行处理,形成图像块字典。最后在图像块字典的基础上采用K最近邻方法设计分类器,研究不同纹理特征提取方法组合对识别结果的影响,实验表明LM滤波器组(48个滤波器)与CS-LBP相结合的方法分类效果最好,而且计算复杂度相对较低,算法时间较短。另一方面,对彩色内窥镜图像的 EDBTC(Error Diffusion Block Truncation Coding)实现作了详细阐述,介绍了 EDBTC的定义和LBG(Linde、Buzo.Gray)算法的利用,对内镜图像检索的总体框架进行了描述,对特征提取这一关键点提出了完整的解决方案,包括矢量量化(VQ)、颜色直方图特征(CHF)和位模式直方图特征(BHF)。最后针对该方法与LM+CS-LBP方法做了对比实验,通过matlab软件进行仿真得到结果,表明该方法在精度上有提升,但是分类时间变得更长。综上所述,本研究针对内镜图像的病灶检测,采用多种图像纹理描述方法提取病灶图像纹理特征,形成病灶图像字典并设计分类器,并通过对比不同特征提取方法的分类效果,所提出的方法较已有方法在检测精度上有较大提高,并且能够针对多种病灶进行检测,能够有效地给医生做临床诊断提供帮助。