随着现代社会的发展,前列腺癌逐渐成为困扰男性的主要疾病,传统人工检测前列腺癌的方法效率低、不确定性大,且对医生的要求较高,难以进行大规模筛查来降低前列腺癌的发病率。为解决这一问题,本文依托实验室自主研发的前列腺穿刺手术机器人,针对前列腺超声图像的去噪、分割与三维重建方法进行了改进,医生可凭重建后的前列腺三维模型进行进针手术规划。本文通过前列腺穿刺手术机器人超声图像采集平台获取前列腺超声图像,研究了一种基于小波变换的前列腺超声图像的斑点噪声去噪算法,通过实验方法优化了小波变换参数,提升了前列腺超声图像去噪效果。经与几种常用的去噪算法对比验证,本文的算法在峰值信噪比和结构相似性上均有提升,在平均绝对误差和信息熵方面均有所下降。通过打标签和数据增强前列腺超声图像制作分割图像数据集,改进优化Deep Labv3+模型的网络训练策略,研究了一种前列腺超声图像的分割网络,提升了前列腺超声图像分割的效果。经与其他分割网络进行实验对比,本文设计的前列腺超声图像分割算法在DSC和SEN指标上均有提高,在95%HD和ASD指标上都有所下降。研究了一种改进的移动体立方算法,通过后期质量优化,改善前列腺超声图像重建效果;通过精简数据单元,减少算法计算量,提高前列腺超声图像重建的实时性。综上,本文基于小波算法、DeepLabv3+深度学习算法与移动体立方算法进行去噪、分割、三维重建的改进,完善了前列腺穿刺手术机器人的图像处理技术,为临床医学中前列腺癌的早期大规模筛查提供了一个可行的数字化解决方案。