常规的B超肝脏图像诊断是通过医生直接观察图像,分析图像的纹理特点,依据个人对各类肝脏图像纹理特点的认识,判断肝脏的健康状态。这种方式得出的诊断结果极大地依赖于医生的诊断经验,另外,当医生不能做出判断时,缺少客观的参考。计算机辅助诊断技术是一种利用计算机对医学成像得到的图像进行分析、学习并分类,从而为医生诊断疾病提供参考结果的技术。本文的目的是建立一个针对B超肝脏图像的计算机辅助诊断系统(CAD),诊断的疾病类型包括.脂肪肝和肝硬化。为了方便选择出B超图像中的疑似区域,本文设计的CAD为手动选取兴趣区域(ROI, Region of Interest),并根据肝脏的分布特征,对兴趣区域的选择提出了一些要求。由于B超图像的成像机制,ROI中会包含噪声,以散斑噪声为主。本文提供了中值滤波、维纳滤波以及小波阈值降噪算法,通过对比它们,选择其中性能最佳的一种对ROI进行降噪处理。为了加强图像的纹理差异,对比灰度拉伸、锐化以及基于低通滤波器的增强算法,选择其中性能最佳的一种对ROI进行增强处理。本文选择了灰度共生矩阵(GLCM)、灰度差直方图统计(GLDS)以及傅里叶(Fourier)能量谱特征的纹理特征提取方法,分别提取ROI的纹理特征,构成一个特征组合。采用神经网络的方法构建出识别系统,最终完成B超肝脏CAD的设计。将待测试样本输入到CAD中得出识别率较好。