消化道疾病是人类疾病中常见的一类疾病,近年来,胶囊内窥镜作为一种新的检测技术,由于其安全、方便、不需要镇静等优点,已经成为主流消化道检测手段。胶囊内窥镜通常在消化道内拍摄5万张左右图像,对于医生而言,审阅全部图片需要花费大量的时间和精力。因此随着胶囊内窥镜的广泛应用,基于胶囊内窥镜的计算机辅助诊断系统变得迫切且必要。本文主要研究基于胶囊内窥镜图像的消化道钩虫检测、消化道器官检测、常见干扰内容物检测以及消化道蛔虫检测问题,具体包括以下几方面内容:1.钩虫作为人类消化道中一种常见的寄生虫,对我国居民健康影响较大,本文首次针对胶囊内窥镜图像进行钩虫检测,提出了基于混合颜色梯度图和轮廓波变换钩虫检测方法。该方法将颜色通道定义为一组混合颜色模型,然后采用方向能量滤波器对混合颜色模型的每个通道提取钩虫边缘和纹理信息,同时抑制肠道粘膜纹理信息,从而得到混合颜色梯度图。为了能够分解和提取钩虫边缘纹理特征,对混合颜色梯度图进行轮廓波变换并将图像分解得到不同的子带系数。最后采用一组统计量特征将子带系数进行压缩并用支持向量机检测钩虫图像。对比实验结果表明,本文提出的颜色模型和特征方法能够有效提高钩虫检测效果。2.本文提出一种基于虫体定位分割的钩虫检测方法。为了能够定位出任意变化的钩虫虫体,提出多尺度双匹配滤波检测定位疑似虫体区域,然后采用分段线性化平行曲线检测方法来精确分割虫体区域。为区分气泡和肠道褶皱,将这些不规则区域变换为规则的拉伸管状区域,并提出平均亮度直方图作为特征。由于钩虫和非钩虫区域样本数目存在较大的不平衡性,因此采用集成学习方法Rusboost来进行钩虫和非钩虫特征分类。本方法在44万张钩虫图像数据集上取得了较好的精度、灵敏度、特异性,同时本文的方法具有低漏检率,具备临床应用的价值和潜力。3.消化道器官和肠道常见干扰内容物检测是胶囊内窥镜图像检测中最基本的问题。本文提出一种级联空间-时间深度框架来检测这些内容。首先,将肠道常见干扰内容(如:食物残渣、胆汁、气泡、电力耗尽图像等)通过第一层深度卷积神经网络分类检测并保留干净肠道图像。干净的图像被第二层深度卷积神经网络分类检测出入口(口腔、食道)、胃、小肠、大肠四部分。最后通过全局时间编码和隐马尔科夫模型将消化道图像精确分为不同的器官。相对现有方法,本文的方法更加通用,能同时检测常见干扰物内容和器官。通过63万张数据集的实验表明,本文的方法具有优异的性能和较高的效率,基本达到了临床应用的要求。4.本文首次提出胶囊内窥镜蛔虫检测,提出了基于反射光和方向梯度直方图蛔虫检测方法。根据蛔虫体反光和形态特点,采用二分光反射模型原理检测出图像中反光区域,并过滤掉反光的噪声和部分黏膜。然后用最小外接矩截取反光连通域图像块,并提取方向梯度直方图分类检测蛔虫。该方法在无漏诊的情况下取得较好的效果。