计算机辅助诊断是最近十几年发展起来的生物医学工程的一个重要分支。随着数字图像技术的发展,计算机辅助消化道内窥镜图像诊断成为可能。其充分利用合适的数字图像处理技术来分析处理医学图像信息,对组织结构信息进行定性和定量研究,从而辅助医生进行诊断治疗。本课题的研究目的是提出了一种新的计算机辅助消化道内窥镜图像诊断方法,用于消化道内窥镜图像的自动分析。本文使用了一种基于多级同质的彩色消化道内窥镜图像分割方法。该方法首先计算出关于强度和同质的二维直方图,然后在二维直方图上利用峰值寻找算法将图像分割成若干个区域,接着利用色调域直方图分析法将前面所得的每个区域进行再分割,最后合并具有相同CIE(Lab)颜色度量的区域。本文对彩色消化道内窥镜图像提取了基于直方图的颜色信息和基于纹理谱的纹理信息。综合颜色和纹理的图像特征将具有更强的鲁棒性。Bayesian分类方法是一种常用的统计模式识别方法。本文将其首次应用于消化道内窥镜图像的诊断,并获得了较好的实验结果。针对息肉的检测,本文提出了一种新的基于椭圆匹配的息肉检测算法。该算法首先对消化道内窥镜图像进行彩色边缘检测并最终处理成二值边界。接着用一种基于最小二乘法的随机化椭圆检测方法在二值边界图像中进行椭圆检测。实验取得了很好的效果,并弥补了Bayesian分类方法不能识别息肉的缺点。实验结果初步显示了论文所提出的方法在消化道内窥镜图像诊断上的可行性,有望为消化道疾病的自动诊断提供一种新的分析方法。