肝癌是世界上最常见的恶性肿瘤之一。在我国,医院主要靠医生对医疗图像进行诊断,工作强度大,效率低,定量分析比较困难,影响了临床诊断的准确性。实现医疗的计算机辅助诊断对及早地发现癌变和帮助医生进行准确的诊断成为迫切需要解决的问题。通过B超可获得人体内脏各器官的各种切面图形比较清晰。因而B超成为了医院检查肝脏疾病的常用检查方法。由于B超图像的分辨率不够高,一些过小的病变不易被发现,一些含气量高的脏器遮盖的部分不易被十分清晰地显示;另外,B超图像在采集时,受到仪器分辨率以及其他各种因素的影响导致模糊,损失了一些特征的表征,而引入分形理论和地质统计学理论研究B超图像可以有效解决该问题。分形具有图像的自相似性,不会因为各种因素而损失。因此,选取图像的分形维数值作为B超图像的特征值;在计算B超图像的数据值时,考虑到B超图像可以看成是以象素点的坐标为x轴,y轴坐标,象素点灰度值为z轴坐标的三维平面,而地质统计学是以区域化变量理论为基础,以变差函数为基本工具来研究那些展布于空间并呈现出一定的随机性和结构性的自然现象的科学,所以B超图像和地质分布存在相似的地方,可利用变差函数计算分形维数特征值。首先,将B超灰度图像看作离散分形布朗随机场模型,通过建立数学模型,找到变差函数值与图像分形维数值之间的函数关系。接着,设计并实现了基于单步变差函数值的算法计算变差函数值,从而得到图像的分形维数特征值。最后,将分形维数特征结合傅立叶特征值,灰度差分统计值,行程长度统计值,作为分类的决策属性,采用了支持向量机进行分类。模拟退火算法用于搜索最佳的支持向量机参数,用获得的参数对应的支持向量机对学习样本进行学习,从而获得支持向量机模型,并使用这个模型对肝癌图像进行分类识别,判定是否存在肝癌病兆。仿真实验结果表明,分形维数值结合其他的特征值能够较有效地判别B超图像是否存在肝癌病兆。