社会的快速发展为人类带来幸福生活的同时，也影响着人类的身体健康与生活质量，各种疾病爆发率在急速增长，其中胃肠道疾病就是一类高发疾病。胃镜检查是一种十分普遍且有效的胃肠道疾病检查手段。检查过程中，医生通过内窥镜的摄像头实时返回的画面直接观察病患胃肠道内部情况，但是在传统的胃肠道疾病诊断过程中，病变部位的疾病诊断全靠医生的个人经验判断，给医生造成巨大的工作压力，因而存在效率低，漏诊误诊率高的问题，而采用计算机辅助诊断的数学分析方法能帮助医生在阅读医学检查图像时提供帮助，减轻医生的负担。针对目前对胃镜图像病灶检测的算法研究存在的问题，本文主要完成以下工作：
　　首先，针对胃镜图像的研究实际情况进行调研，对其研究的现状做了简要的介绍和讲解，并对本文所涉及到的基础理论知识做了简单的介绍。
　　其次，提出一种基于多特征融合图像低秩稀疏分解的病灶检测方法。算法对输入胃镜图像进行初处理，采用颜色直方图在YCbCr空间提取图像的颜色特征，并针对胃镜摄像头所带光源带来的反射光斑干扰问题，采用Gabor滤波提取图像的纹理特征，并用小波滤波提取图像的方向特征。将所有的特征矩阵张成特征显著图并进行线性融合得到初始显著图像。由于单独采用全局分解和局部分解都会丢失大量信息，因此对初始显著图像进行基于全局和基于局部的矩阵分解，将最终所得分解图像进行加权融合可以有效去除图像干扰内容，减少信息丢失。并且在数据集上对该算法进行测试，具有较好的检测精度以及抗干扰性。
　　然后，提出一种基于稀疏约束的隐低秩表示模型的改进算法。算法引入等价LBP算子，以此替换Gabor滤波的方法，增强检测算法纹理特征提取的准确性，并针对样本数据不足的问题，在检测算法中引入稀疏约束的隐低秩表示模型，提取数据的主特征和隐含特征来获取更多的信息。并且基于加权非负稀疏表示分类方法(WNSLRRC)区分干扰区域和病灶区域。加权低秩模型能更好的获得数据的全局结构，对胃镜图像中的干扰具有更好的鲁棒性。经过对比实验证明，该检测方法对病灶区域检测精度较高，具有一定的抗扰性。