肝癌是一种严重影响人们身心健康的重大疾病，其早期发现是治疗的关键和诊断的难点。与计算机断层成像（Computed Tomography，CT）、磁共振成像（Magnetic Resonance Imaging，MRI），尤其是正电子发射计算机断层扫描成像（Positron Emission Tomography，PET）等诊断方式比较，超声诊断具有安全、速度快、成本低等优点，是目前肝癌普查的首选方法。超声造影作为一种功能成像方法，能对肝灌注进行有效描述、鉴别与诊断肝局灶性病变和评估肝癌治疗效果，是目前超声研究的热点。　　由于肝脏疾病种类繁多，超声造影表现复杂多样，通过肉眼观察的常规诊断方式易受主观因素影响。为克服主观因素对诊断结果的影响，临床医生近年来开始借助超声造影图像处理及分析技术来辅助诊断肝脏疾病。主要方式为从肝脏超声造影图像序列中提取时间强度曲线（Time Intensity Curve，TIC）以对肝脏病变灌注区域进行分析。因此，本文以临床肝脏超声造影序列图像为研究对象，围绕超声图像去噪、呼吸运动补偿、TIC自动提取及肝肿瘤自动分析开展了相关研究工作。具体成果如下：　　首先，将曲波变换引入到非局部均值去噪算法中，改进了非局部均值算法中像素相似性权值计算方法。利用曲波变换在表达图像曲线奇异性的特点和多尺度图像重构优势，在非局部均值框架下，根据曲波变换重构图像的特性，设计基于曲波变换多尺度相似性权值计算方法，并将其应用于超声图像去噪。实验表明，该算法能有效地进行超声图像去噪，实现对散斑噪声的抑制，同时获得较好的去噪性能和图像细节保护效果，为后期图像处理及分析提供了基础。　　其次，研究了自由呼吸模式下的超声造影序列图像门控呼吸运动补偿问题。针对病人呼吸运动影响超声造影准确定量和准确诊断等问题，分析了传统呼吸运动补偿算法的不足，结合自由呼吸模式超声造影序列图像的特点，提出了实现门控呼吸运动补偿的合理假设，构建了基于序列图像的呼吸运动曲线提取非负矩阵分解模型。该模型基于非负约束项描述了呼吸运动曲线的生理性质。在此基础上，提出了一种基于呼吸运动曲线和图像门控后处理的门控呼吸运动补偿策略，并设计了模拟人体呼吸运动的模拟装置。模拟与临床真实数据实验验证了所提出门控呼吸运动补偿策略的有效性，减少了病人呼吸运动对TIC提取所带来的影响。　　第三，研究了基于深度学习的肝肿瘤自动分析方法。分析了传统超声造影序列图像TIC提取方法及肝肿瘤分析方法的不足，提出了稀疏非负矩阵分解因子分析TIC自动提取方法，结合深度学习，构建了基于深度学习和稀疏非负矩阵分解因子分析TIC自动提取的肝肿瘤自动分析框架。仿真和临床真实数据实验验证了所提出的自动分析方法应用于超声造影序列图像肝肿瘤良、恶性分类的可行性。　　最后，对本文所做的主要工作进行了归纳总结，并且针对本文所存在的不足，分析和探讨了进一步需开展的研究工作。