地质统计学是以区域化变量理论为基础，以变差函数为基本工具来研究那些展布于空间并呈现出一定的随机性和结构性的自然现象（包括地质现象）的科学。变差函数来表示研究范围内区域化变量的空间结构性的。而兽用B超图像可以看成是展布于空间并呈现出一定结构性的三维图像。因此，地质统计学与兽用B超图像存在一定的相似性。通过地质统计学的知识研究兽用B超图像是一件非常有意义的事情。
地质统计学与兽用B超三维图像相似性：
(1) 利用地质统计学网格化，地质统计学的克里金和条件模拟方法可以建立比其他方法更精确的网格。
(2) 克里金，从数学上讲，精确性的定义是使整个网格中估计数值和实际数值之间的方差之和最小。克里金方法正是遵从这个标准来做的。
(3) 条件模拟，另外一个对精确性的定义就是尽量与输入数据的统计（均值和标准差）和连续性一致。这也正是地质统计条件模拟方法所依据的标准。
(4) 储层非均质性
(5) 利用地质统计学综合数据，地质统计学的一个很大的优势是它可以定量地混合不同类型的数据。最常见的一个数据综合的例子就是地震和测井数据。
(6) 协克里金和协条件模拟，地震数据被认为是软数据。地震数据通常数据量很大但不是很精确。而测量数据则被认为是硬数据。
(7) 利用地质统计学研究不确定性的定量化，对于一组已知的输入数据，地质统计学的条件模拟方法可以产生一系列的网格，这些网格受输入数据的控制。
分形具有无限精细的结构，比例自相似性，分数维大子拓扑维数，以及可以由非常简单的方法定义，并由递归、迭代产生。因此是图像被污染后仍然能够保留的一个特征。
支持向量机的理论最初来自于对数据二值分类问题的处理，后来扩展至回归领域。其机理可以简单地描述为:寻找一个满足分类要求的分割平面，并使训练集中的点距离该分割平面尽可能地远，即寻找一个分割平面，使其两侧的空白区域最大。因此在进行兽用B超图像分类时是一个有力的工具。