随着高性能计算机的普及和人工智能的发展，利用计算机协助人工来进行检测病变区域已经成为当前计算机科学发展的重要方向。图像处理作为主要的智能信息处理技术已经越来越广泛地被应用到日常生活中。医学超声成像因其有效、安全、便携及低成本成为医学诊断中的一种重要手段。医学超声图像处理算法的研究是近年来随着医学超声成像技术的发展和广泛应用而出现的一个新的图像处理方向，并且随着医学超声成像技术的发展还在不断发展，因此越来越受到人们的重视。虽然医学超声图像处理算法的研究是直接面向医学实践的，但其研究成果对其它图像处理领域也有很大的推动作用。　　本论文对乳腺超声辅助检测中的一些医学超声图像处理的关键算法和关键问题进行了研究，主要包括超声图像去噪、乳腺超声图像增强和乳腺病变肿块分割等算法。具体包括以下几方面的工作：　　1．超声图像去噪　　超声成像技术是通过人体对高频声波的反射来获取图像的。严重的散斑噪声污染使超声图像的视觉质量很差，组织间的边缘检测也很困难。为解决该问题，本文提出一种基于二维均匀性直方图和方向均值滤波的算法来去除乳腺超声图像上的斑点噪声，改善图像的质量。由于斑点噪声是一种乘性噪声，在对超声图像进行处理之前，先进行对数变换，把乘性噪声转化为服从高斯分布的加法噪声。然后通过纹理信息来描述超声图像的斑点特性，并且根据纹理特性来定义均匀性值，把超声图像从灰度域映射到均匀性域。则图像的斑点噪声特性就通过均匀值来描述。如果该区域的均匀值比较高，则该区域纹理比较均匀，斑点噪声比较少。反之，该区域的均匀值比较低，则该区域纹理变化剧烈，斑点噪声较多。根据二维均匀性直方图来确定阈值来区分该区域是否是均匀区域。对非均匀区域利用方向均值滤波进行去噪处理，而对均匀区域则不作处理。该滤波去噪过程是循环进行的，直到乳腺图像的纹理值足够均匀，则结束循环过程。分析和实验结果显示了提出的算法在去除噪声以及保留边缘上都有不错的表现。　　2.乳腺超声图像增强　　由于乳腺超声图像本身有一定程度的模糊性，对比度比较低，不利于医生观察。为了获得更好的视觉效果和提高乳腺癌检测的正确率，在检测前对乳腺超声图像进行增强处理是很有必要的。本文提出一种基于模糊逻辑的乳腺超声图像增强算法。在对乳腺图像进行增强处理的过程中，不仅考虑到了超声图像本身的模糊性，而且在图像上对乳腺疾病诊断有着重要意义的特征区域也得到了重视。在图像映射到模糊域的过程中，根据最大信息熵的原则使得图像的灰度信息得到了很好的利用。提取模糊域中的边缘信息和纹理信息来描述病变区域的特征。综合图像全局和局部的信息来定义模糊局部对比度和增强标准。最后把增强后的模糊域中图像反变换到灰度域，从而完成增强任务。实验结果显示增强算法能很好的提高乳腺超声图像的对比度，能显著提高医生临床诊断的有效性。　　3.乳腺超声图像分割　　由于超声图像的低对比度和噪声干扰，即使对有经验的医师来说，确定图像中物体的边缘也是一项困难的工作。本文根据乳腺超声图像的形态和纹理特征，提出基于改进粒子群优化聚类算法，即淘汰粒子群优化聚类算法(EPSO Clustering)，把乳腺区域图像的分割任务转化为图像灰度级别的聚类问题。对乳腺超声图像上的乳腺结构进行分析利用，提出逐步阈值化的方法来进行乳腺区域的定位。把“优胜劣汰”的思想应用到粒子群优化算法中。实验结果表明本分割算法能大大提高聚类速度，并且能把肿块很好的从组织背景中分割出来。与传统粒子群优化聚类算法相比，淘汰粒子群优化聚类算法能降低32.75％的运算时间。