乳腺癌是威胁女性生命健康的主要恶性疾病之一,它的早期检测是这一疾病能够被治愈的关键,其中,乳腺钼靶X线摄影技术是目前最常用、最有效的早期检测手段。乳腺癌的早期症状主要呈现为钙化点,大小约为0.1mm-1mm,在乳腺图像中通常表现为一些小亮点。由于一些钙化点的尺寸较小,亮度较低,肉眼识别有时比较困难,且容易出错。误诊断可能使患者错过最佳的治疗时机,降低患者生存几率。CAD(Computer Aided Detection),即计算机辅助检测技术,是通过计算机辅助运算检测钙化点的一种方法,很好地弥补了人工检测的不足,提高了检测的准确性。CAD技术通常包含预处理、增强、分割、检测、分类等几个主要步骤,本文就CAD技术提出了一种在增强图像中使用分水岭算法分割钙化点的方法。本文处理的数字乳腺图像来自于MIAS数据库。伽马变换被用于图像的预处理步骤以增强钙化点和背景组织的对比度。在最后的增强中,实验使用小波变换和contourlet变换针对性地增强钙化点特征。增强结果有效地突出了钙化点,为后续的实验过程奠定了良好的基础。基于增强图像,实验使用一种基于标记的分水岭分割算法来分割钙化点。该方法可以清晰地分割出每个单独的钙化点,尤其在钙化点密集的区域,也可以保证分割的有效性。同时,分割结果会包含一些非钙化点的分割区域,这些区域可通过后续的分类步骤筛除。在保证每个钙化点都能被正确分割的前提下,实验通过SVM(支持向量机)分类以确定最终的钙化点。首先实验对前一步骤的分割区域进行统计和计算,获得每个区域对应的一系列特征值,包括面积、周长、平均值、标准差等,然后用它们构成特征向量。使用训练集训练SVM分类模型,然后对测试集进行分类,得到最终的钙化点分割图像。