通过使用医学图像处理算法分析超声图像,计算机辅助诊断系统为医师提供了诊断意见,使得医师能够得出综合性的诊断,大大降低了误诊率。因此,医学超声图像处理方法的研究具有重要的应用价值。本文以肝脏病变超声图像为对象,研究了肝脏超声图像中病变区域的分割以及识别问题,主要的工作有：1、给出了一种改进的最稳极值特征区域提取算法,应用到多种肝脏病变图像的分割中。在对超声图像进行各项异性滤波及数学形态学处理的基础上,提取了广义的最稳极值特征区域,最后对二值化图像进行边缘融合并优化了分割边界。实验结果表明改进的算法仅需要对超声图像在较小的阈值区间做二值化,相较于最稳极值特征区域算法在[0,255]区间做二值化,大大降低了运算时间,并有着更好的分割准确度。2、综合了现有文献中描述感兴趣区域的纹理特征,给出了一种基于灰度共生矩阵的22个纹理特征和基于灰度运行周期矩阵的11个纹理特征的向量描述方法。依据该特征向量对脂肪肝超声图像进行了分类研究。实验结果表明在感兴趣区域尺寸为90×90像素时,选取前26个特征时达到了最好的分类效果,分类准确的达到95.86%。