超声图像诊断是与X线CT、同位素扫描、核磁共振等一样重要的医学图像诊断手段。根据肝脏超声图像进行脂肪肝的诊断，是病变确诊的主要方法。但是，与CT和核磁共振等医学图像相比，超声图像的图像质量较差，目前的诊断以定性为主，受主观因素影响较大。研究肝脏超声图像的纹理特征，以便获得量化参数，并以此为依据进行病变的分类，为医生提供诊断依据，是非常必要的。 本文围绕着纹理特征提取和分类识别这两个中心问题进行了研究。在对纹理提取了统计参数的基础上，应用分形理论提取了纹理的分形参数，并结合肝脏超声图像的特点，以图像分割为基本手段，提取了光点的个数。 在成功提取超声图像纹理特征参数的基础上，设计了二阶BP神经网络，选取不同的样本对网络进行训练，得到优化权值。利用训练好的神经网络对正常肝脏的超声图像和脂肪肝的超声图像进行分类，取得很好的识别效果。