随着人们饮食条件的提升以及生活方式的多样化,消化道疾病逐渐成为困扰人类健康的一大因素。如何更高效地预防和诊断消化道疾病成为一个社会性的问题。无线胶囊内镜正是为此目的而发明的一种革命性的消化道疾病检测手段,相比传统侵入式窥镜检测方法,胶囊内窥镜具有无痛、快捷、患者排斥性小的巨大优势,并且能深入小肠部位进行探查,这一点是传统窥镜无法比拟的。然而,无线胶囊内镜产生的图片数量巨大,人工检查费时费力,并且需要专业背景知识。本文旨在以计算机智能辅助诊断的方式减轻医务人员工作量,实现疾病的初步自动化智能诊断。肠道疾病中肠道壁出血症状最为常见,也是很多其他症状的前期表现,因此实现无线胶囊图片的出血检测将在很大程度上解决消化道疾病预防和诊断问题。本文基于支持向量机理论以监督学习的方式对胶囊图片进行分类,使用多种不同核函数来对比各个特征表示的效果。在图片预处理阶段首先使用数学形态学操作提取感兴趣区域,同时消除内镜图片的边缘噪声,在灰度世界理论基础上对胶囊图片进行色彩平衡,并将平衡后的图片通过限定区域的方式进行对比度拉伸。对于特征向量构造则根据不同品牌的无线胶囊内镜各自成像特点给出了不同的构造方法。对于Given Image公司的Pill Cam系列胶囊,使用符合人眼视觉特征和认识方式的色调-饱和度-亮度颜色模型进行建模,提取光照无关的二维二值色度特征,相比传统直方图特征比较相似性的方式,而知特征能更好地体现某一特征是否存在经过裁剪非必须颜色区域和非等间隔量化的手段降低特征向量维度,并将每个维度上的特征进行二值化处理,以防止模型依赖于图片中出血区域的大小,对比使用全部色彩空间的高纬度特征,这种方法不仅效果更好,而且速度更快。而对于金山公司的Mo M胶囊,则因为色域太宽,不再适合HSV颜色模型中构建的二值向量特征进行处理,选用了色彩均匀的Lab颜色模型,这个模型在处理宽色域图片中红色特征识别方面具有先天优势,通过观察颜色空间的构成以及胶囊图片颜色分布特点,本文采用了简化的二维坐标方式,对图片中的红色特征进行描述,为提高分类准确性,在限定区域内进行了归一化处理,最终实验对比发现使用B样条核函数能产生较好效果。文章给出的两种方法都和使用全部色彩空间和金字塔加权组合的特征构造方式进行了对比,并在实验结果部分给出了分析。文章在结尾处给出了算法后续提升和改进的方向。