溃疡性结肠炎是在工业国家中常见的胃肠道疾病,其在病程期间反复发作,并且显著提升感染结肠癌的风险,常规有效的检查方法就是结肠镜检测,但是由于内窥镜图像数量巨大且含有气泡和光斑等噪声,给医师诊断带来了很多的困难。并且现有经过医师标注的数据比较稀少,也限制了深度学习在该场景应用的发展。因此,设计先进的溃疡性结肠炎辅助诊断系统是一项有价值和意义的研究。本文研究发现压缩感知的稀疏系数求解过程,发现与针对小样本分类问题的稀疏特征模型的特征表示相似,将压缩感知系统引入图像分类模型,构建全新的基于压缩感知的溃疡性结肠炎辅助诊断系统,以下介绍本文的主要工作:1、提出一种基于稀疏表示误差最小化的测量矩阵与稀疏字典交替优化算法,首先将块递归最小二乘字典学习作为初始字典,并使用先验知识求解测量矩阵解析解,经过交替优化算法后,使用正交匹配追踪实现图像精确重构,该算法在实际图像上的峰值信噪比指标比未使用交替优化的方法提升了4d B左右。2、提出了压缩感知空间金字塔池化图像特征用于溃疡性结肠炎图像辅助诊断。首先基于肠道图像的先验知识求解初始字典与测量矩阵,然后交替优化测量矩阵与稀疏字典,在此压缩感知框架下,得到更精确的肠道图像的稀疏特征,最后结合空间金字塔池化的特性,在不同分辨率中提取了数据集的局部和全局信息,更好的使用稀疏表示系数区分患病图像与正常肠道图像。本文在实际的溃疡性结肠炎数据集上验证,该模型比特征袋模型准确率提升了12.35%,比稀疏编码空间金字塔匹配模型准确率提升了3.99%,比局部约束线性编码模型准确率提升了2.27%。