超声医学图像以其快速、实时,安全和价格低廉等优点被广泛应用于黄牛繁殖和胚胎生产各个阶段,为了提高改良种牛的繁殖能力,运用超声成像技术来对黄牛卵泡的变化规律进行实时监测便起到了至关重要的作用,这对提高妊娠率意义重大,要实现对牛卵泡的实时监测,首先需要在所获取的超声图像中检测到黄牛卵泡所在的位置。本文主要研究的目标是对超声图像中的牛卵泡区域进行检测,为牛卵泡的实时监测等后续研究和分析奠定基础。针对牛卵泡超声图像的特点,本文对卵泡区域的检测技术进行了深入研究,首先研究相关算法对牛卵泡超声图像进行预处理,即去噪,在分析并研究了传统BM3D算法以及PM模型,Catte模型,SRAD模型的基础上,基于研究对相关模型的扩散系数以及扩散模型进行改进,提出了一种改进的各向异性扩散滤波算法,得到了良好的去噪效果;然后对图像进行特征提取,在分析了传统LBP算法的缺陷之后,基于研究提出了一种改进的全新LBP算法-BALBP算法,同时提取图像的HOG特征和GLCM特征;本文还对SVM分类器的相关参数选用PSO粒子群算法进行优化,并用AdaBoost的决策树分类器对SVM弱分类器进行优化,以此生成能力更好的强分类器,然后为解决单一特征描述能力弱的问题,用基于组合特征和SVM机器学习的方法,实现牛卵泡的检测。最后通过对实验结果的分析对比,结果表明,本文提出的基于组合特征和SVM机器学习分类器的方法在对牛卵泡的检测中,其在检测效果以及识别率和算法执行效率上有着优良的效果。