癌症在亚洲的高发率已引发了对用于癌症早期检测有效自动筛选方法的研发的需要。目前，对结肠可疑恶性肿瘤进行诊断的计算机辅助分析技术还没有应用于临床，为此，本课题的研究目的是提出一个基于多种信息融合的结肠镜图像处理新技术，用于结肠镜图像的自动分析，进而进行癌症筛选。 针对彩色结肠镜图像，论文提出了一种融合颜色、亮度、空间距离和纹理信息，采用随机聚类的彩色图像分割新算法。该算法采用分形维作为图像纹理特征的度量，用一种基于元素间的相似性的随机聚类方法对特征空间进行聚类。该聚类算法是基于对图中的切割进行采样的新的图论算法，可以自动获得最佳的类别数目，该方法复杂度较低，而且其随机特性使得它具有抗噪声的鲁棒性。 在将结肠镜图像分类为正常和异常图像时，选用了误差反传训练的多层感知器，结果显示这种网络神经元适合结肠镜图像分类。 将本论文提出的方法应用到多幅结肠镜图像中。初步结果显示了论文所提出的方法在结直肠图像的异常筛选上的可行性，有望为结直肠癌症的早期诊断提供一种新的分析方法。