根据肝脏B超图像进行脂肪肝的诊断，是病变确诊的主要方法。由于B超图像的质量较差，目前的诊断以定性为主，受主观因素影响较大。因此，研究肝脏B超图像的纹理特征，获取量化参数，采用计算机辅助手段进行分类识别，有助于提高临床诊断的准确性及效率。 本文着重对肝脏B超图像的特征提取和分类识别两大中心问题进行了研究和仿真。特征提取部分以图像预处理为基础，采用灰度共生矩阵法，对正常肝和脂肪肝B超图像进行了特征值的计算。在对特征参数进行了比较和选择后，确定了最能反映图像特征的参数组合：能量(角二阶矩)、熵和反差分矩。在分类识别部分，利用Matlab的神经网络工具箱设计了自组织特征映射(SOFM)和误差反向传播(BP)两种神经网络分类器。采用了两种样本选择方案对网络进行训练和仿真，取得了较好的识别效果。训练好的分类器既能识别出正常肝和脂肪肝，又能对脂肪肝的严重程度做出分类。本文建立的识别方法有助于医生快速、准确地对肝脏B超图像作出判断识别。