出血病症是人类肠道疾病中最为易见疾症之一。随着无线胶囊内窥镜(Wireless Capsule Endoscopy,WCE)技术的进步与发展,现已经广泛运用于各种病症分析,特别是针对肠胃出血的检测。就单个无线胶囊内窥镜序列来说一般大约包含50,000-60,000帧图像,医生纯人工检测的话通常需要一帧一帧将整个图像序列都观察完,这对于医生来说是一个非常大的体力活和技术活。因此,迫切需求既高效又拥有高精度的计算机辅助诊断方法。本文提出融合时域特性来定位WCE序列图像中的出血段算法。结合序列图像预处理、超像素分割、颜色模型、特征融合和时域模型学习几个部分来优化处理无线胶囊内窥镜序列图像的出血段定位检测问题。首先,本文建立了无线胶囊内窥镜的序列段数据集；其次分析了现有出血检测的特征提取算法。重点对于无线胶囊内窥镜序列图像提出CBRF算法进行了预检测处理,去除了无线胶囊内窥镜序列图像中常有的背景、褶皱、肠腔区域黑洞等干扰。本文在超像素分割方面采用了gSLIC,运算速度有很大的提升。同时针对暗色陈旧出血序列段,结合SVM算法训练出了颜色模型进行预检测优化,本文经过特征选择提取出红色比特征和a特征,并进行了特征融合。针对目前基于单张图像的无线胶囊内窥镜出血检测的识别效果问题,本文提出融合时域特性的连续帧之间信息来对检测进行优化。由于序列图像中肠壁的背景在变化的时间序列里能提供更多的信息,通过对于连续帧之间信息的运用,能在出血病变检测的问题上得到更好的效果。实验结果也显示出本文提出算法的有效性。