乳腺癌是导致女性癌症死亡的主要原因,其治疗的关键是早期诊断。乳腺超声检查是目前筛查乳腺癌最理想的诊断方法之一,但是诊断高度依赖于医生对乳腺超声图像的阅读,所需时间长,工作量大。为了提高诊断效率,乳腺超声计算机辅助诊断(CAD)系统应运而生。由于组织边缘不清、形状不规则是乳腺癌的重要特征,因此乳腺超声边缘分割是CAD系统中最重要的一个环节。但是由于乳腺超声组织信号特征极不鲜明,和超声成像固有的乘性噪声混杂在一起,导致了乳腺超声分割目前还是一个临床难题。针对该问题,本文设计了乳腺超声图像斑点噪声去除及肿瘤分割算法。由于乳腺超声图像中的斑点噪声会严重降低分割精度,本文先提出了一种基于相位不对称的细节保持降噪算法来去除斑点噪声。本文采用基于局部相位信息的相位不对称来检测超声图像的边缘,得到每个像素点的边缘显著性,取值范围为0(没有边缘显著性)到1(预示这是一个非常显著的边缘点)。基于分数阶的各向异性扩散(fractional anisotropic diffusion,FAD)模型在图像平滑区域能有效去除噪声,而分数阶的全变分(fractional total variation,FTV)模型能很好地保护图像边缘,本文综合使用了FAD模型和FTV模型来取得降噪和边缘保护的平衡。克服传统FAD模型仅仅使用梯度信息来调节扩散系数导致低对比度边缘被破坏的缺点,本文提出利用梯度信息和边缘显著性来共同调节扩散系数,这样可以保护好低对比度的边缘。此外,克服传统FAD降噪模型会降低边缘对比度的弱点,本文采用自适应的分数阶来特异性地增强边缘特征。基于上述设计,本文提出的降噪算法在去除斑点噪声的同时很好地保护了图像边缘。基于边缘获得有效保护的优点,图像中其它细节特征也会得到令人满意的保护。本文进一步提出了改进的乳腺超声分割算法,该算法首先进行降噪、对比度增强和灰度衰减等预处理步骤。其中降噪采用上述超声降噪算法来去除斑点噪声,对比度增强是通过限制对比度的自适应直方图均衡化来提高肿瘤区域的对比度,而灰度衰减利用高斯函数来衰减非肿瘤区域像素点的灰度。然后,本文提出标记符控制的分水岭改进算法有效分割乳腺超声图像中的肿瘤区域,得到一系列潜在的肿瘤边缘。最后,本文采用平均径向导数对潜在边缘进行评估从而选出最终的肿瘤边缘。本文对提出的超声降噪算法和乳腺超声分割算法进行了性能对比实验。实验结果表明本文提出的超声降噪算法不仅可以去除斑点噪声而且很好地保护了超声图像特征,尤其是细节特征。与其它主流的乳腺超声分割算法相比,本文的乳腺超声分割算法具有最高的肿瘤分割精度。