随着计算机视觉与各种先进医疗成像设备的不断发展，医学图像包含的信息也越加丰富。这对自动化临床医疗诊断有着十分重大的意义。利用单一的图像特征很难全面、精确地表达医学图像的内容，多特征融合已成为提取医学图像有效特征的必然途径。它综合利用医学图像的各种信息可以对其有更快速和准确的理解。信息融合由低到高分为三个层次，特征级融合在尽量保留原始信息的基础上，又克服了原始数据量大而不稳定的特点，提取的融合特征可以有效地用于医学图像识别。本文首先对灰度直方图特征、颜色矩特征、灰度共生矩阵特征、离散小波变换特征和不变矩特征进行了详细的研究与实现，这是特征融合的基础。其次研究了基于多元统计分析的主成分分析(PCA)方法在特征级融合中的应用，并利用采集到的肝脏B超图像进行识别，对识别结果进行了分析与比较。最后通过对提取的肝脏图像特征分析与研究，初始特征在有些维上存在明显的相关性，提取的高维特征直接应用于融合中，增加了后期处理过程中的时间复杂度。提出利用模糊方法进行特征粗选择，再结合PCA进行融合，并应用在肝脏B超图像识别中，对识别效果从平均正确率和识别时间性能两方面进行分析与比较。实验结果表明，融合特征对医学图像信息表达更完全更有效，可以带来更好的识别效果。对不同样本图像下的特征选择结果进行分析与比较，结果表明模糊方法进行特征选择是稳定和有效的。通过与直接PCA融合应用结果比较，特征选择后的识别效果更好，不仅提高了识别平均正确率，还降低了识别过程的时间复杂度，实时性能更优，更能有效地用在医学图像识别系统中。本文利用Visual C++6.0和OpenCV1.0开发了医学图像识别系统，实现了肝脏B超图像的基本预处理方法、特征提取、特征选择和融合等方法的研究，在计算机辅助诊断中具有一定的研究意义和实用价值。