随着医学影像技术的进步和超声医学的发展，前列腺疾病的检出率越来越高，引起了全社会范围的广泛关注。但由于同CT、MRI等图像相比超声图像的质量极差，存在大量的噪声，给医生正确判断前列腺的结构和病变与否带来了极大的困难。为了使医生可以对人体的解剖结构以及病变进行更有效的观察和诊断，提高前列腺疾病诊断的正确率，利用计算机图像技术准确分割前列腺体就成为一个紧迫的课题。 本论文选取前列腺超声图像作为研究对象，首先系统地介绍了超声设备和B超的成像原理，接下来研究了前列腺的解剖学结构和超声图像的病理学和图像学特征，并对目前图像处理研究的现状进行了剖析，从中得出了超声图像分割的特殊性。 在图像的预处理的过程中，论文首先改进了超声图像的Speckle噪声模型，其次在借鉴传统的方法的基础上，提出并实现了自适应图像增强和自适应滤波处理方法，较好地抑制了噪声。 对于图像的特征提取和图像分割，论文在对传统的边缘提取和轮廓跟踪算法进行研究之后，提出了γ校正和Sobel算子相结合的边缘提取算法。结合超声图像的特点，改进了并实现了自适应阈值分割和最大方差比阈值分割算法。提出了全局比较探测、面积测定及空间优先、竞争机会均等三个有效的准则，利用灰度、纹理多特征矢量改进了传统的区域增长算法，并对纹理分析，神经网络分割和SNAKE活动轮廓分割进行了有益的探索。 在以上的基础之上，论文设计实现了分别针对256色和24位真彩色的超声图像处理系统，并进行了一系列的图像分割实验。实验结果表明，本文所设计的自适应预处理算法能够有效地抑制噪声，改善了图像的质量；本文提出的图像分割方法能够较准确地对前列腺超声图像进行特征提取和分割，基本达到预期的效果。