乳腺癌是当今威胁女性健康和生命的严重疾病，提高乳腺癌的早期诊断率对乳腺癌的治疗具有重要意义。红外线扫描乳腺是诊断乳腺癌的重要手段之一，它能迅速、无痛无损的获取女性的数字红外乳腺图像。在乳腺癌患者的红外乳腺图像中，病灶表现为高对比度的、大小不等的、形态不规则的肿块阴影。由于肿瘤组织与乳腺内致密腺体组织对红外线的吸收率十分接近，且肿块对比度随成像条件、尺寸大小和背景的变化而改变，图像中的肿块边缘和背景结构往往参合在一起，使得病灶组织的边界难以准确的识别。为了提取肿瘤组织的有效特征识别病变部位，便于医生做出正确诊断，有必要抑制图像的噪声并增强图像以改善红外乳腺图像的质量。 现有的多种传统图像增强方法虽已取得较好的效果，但它们在增强图像的同时，往往会带来比较严重的负效应。具有“数字显微镜”之称的小波分析理论近年来受到众多学科的共同关注，小波变换在时频域的多分辨率具有良好的空间域和频率域局部化特性，可以聚焦到分析对象的任意细节，特别适合于图像这类非平稳信源的处理。另外，小波变换还具有低熵性,去相关性和选基灵活性等特点，这使得它在图像去噪和增强的研究领域中充满生机。 本文在小波进行图像去噪和增强的理论基础上，主要研究了基于小波多分辨率分析的红外乳腺图像去噪和增强算法，主要工作如下： 首先在红外乳腺图像的去噪算法研究中，采用了小波阈值去噪的方法。此方法分别对小波函数、分解尺度、阈值及量化函数的选取做了详细分析，通过实验仿真，并采用信噪比为指标，结合人眼的视觉特性，把处理结果作比较，提出了针对红外乳腺图像去噪中各个重要参数的设置。实验表明，该方法在有效抑制噪声的同时尽可能多的保留了对医生有用的细节边缘，为临床提供了更细致明确的信息。 其次是在小波图像去噪的基础上再对图像进行适度增强以更突出细节信息。由于图像进行小波分解后，其边缘细节与噪声都存在于高频部分，在高频段利用上述去噪方法去掉噪声后，再增强图像中的边缘细节，从而达到去噪并增强的目的。因此，本文提出了小波的子带线性增强法、子带分段线性增强法以及多尺度非线性增强三种算法，并对这三种方法中的增益函数和阈值参数进行了比较深入的分析研究，特别在多尺度非线性算法中，对图像的多尺度边缘进行确定，利用二次B样条小波对图像进行小波变换，再通过增益函数实现图像的边缘增强。由实验结果得出，前两种方法由于各高频系数都相应的增强，图像对比度不够明显，而基于小波的多尺度非线性算法更有效的补充了图像的弱信息，提高了图像中病灶重要特征的可视化。 综上所述，论文将图像的去噪、边缘检测和增强有机的结合起来，同时采用医学乳腺图像作为仿真对象，从多次实验中验证了该算法可以有效的降低噪声，提高信噪比，同时更能突出图像的边缘信息，以此提高了医学图像的使用价值和诊断价值。所以，对红外乳腺图像进行后处理作为医学诊断的辅助手段，有不可忽略的意义。