胶囊内镜是一种检查人体消化道的新型医疗检测设备，与传统的消化道检测设备相比，胶囊内镜不仅成功的扫除了人体小肠这一检测盲区，而且还能够无痛无创的对消化道系统进行检查，其出现对于提高人类的消化道检测能力具有重要意义。胶囊内镜在投入临床检查时会拍摄数以万计的消化道图像，医生需要花费大量的时间从这些图像中找出包含病人病灶信息的图片，这对于医生来说是一个非常繁重的工作。观察发现胶囊内镜视频中的连续帧具有很高的相似度，相邻帧之间包含大量的重复信息，因此可以采用冗余筛查的方式实现胶囊内镜视频缩减以缩短医生的阅片时间提高诊断效率。　　针对胶囊内镜视频缩减，现有的筛查方法存在筛查准确率不高和处理速度偏慢的问题。筛查的准确率偏低会导致视频的精简度不高或包含关键信息的帧被误删而增加医生的误诊风险；处理速度偏慢会导致计算机的筛查速度慢于医生的阅片速度，给实际运用带来困难。本文通过分析胶囊内镜图像的颜色和纹理特征并在总结已有研究成果的基础上，提出了一种新的视频缩减算法，该算法能够快速准确地从胶囊内镜视频流中筛查出冗余图像；在这个算法的基础上开发出了一个胶囊内镜视频缩减软件，该软件能够快速有效的实现视频缩减；整个研究具有较高的理论和应用价值。论文完成的主要工作和结论如下：　　（1）提出了一种基于颜色和纹理特征的胶囊内镜视频缩减算法，该算法首先将胶囊内镜图像转换到HSI空间并从中提取色彩信息，通过余弦角对相邻两帧的色彩信息进行相似性度量来实现颜色匹配；接着构建图像金字塔，用改进的LBP算子从金字塔中提取出多尺度的纹理特征；然后根据相邻两帧纹理统计的加权曼哈顿距离和纹理不同的面积占全局的比例来进行纹理的相似性度量。最后采用级联分类器完成对图像的分类。　　（2）通过分析经典的局部二元模式算子并结合胶囊内镜图像的特征，提出了一种改进的局部二元模式算子LBP_max。该算子能够有效地提取出图像的局部纹理，其代码值能够很好地反映出纹理的梯度方向，同时算子具有纹理提取速度快、特征维数低和鲁棒性强的特点，适用于胶囊内镜图像的纹理分析。　　（3）为了验证算法冗余筛查的准确度和视频缩减的能力，使用了2600帧胶囊内镜图像进行了算法的性能测试。测试结果表明该算法的召回率、准确率以及综合性能分别达到了91%，87%和89%，视频的压缩比为44%，图片的平均处理速度为0.055秒/帧。与现有的算法相比，该算法能够较好地识别出胶囊内镜视频中的冗余图像。　　（4）利用Microsoft Visual Studio2010软件开发平台和微软提供的开源视觉库OpenCV，开发出了一个胶囊内镜视频缩减应用软件，该软件能够很好的实现视频缩减，软件界面能够实时的显示出处理中的图像、各种过程参数以及最终的计算结果。