乳腺癌是严重威胁妇女健康的恶性肿瘤，全世界每年约有120万妇女发生乳腺癌，有超过50万妇女死于乳腺癌，且发病率以每年2％～3％的速度递增。提高乳腺癌患者生存率的关键在于早期发现、早期诊断和早期治疗，而乳腺钼靶X线摄影(mammography)则是早期发现和早期诊断乳腺癌的首选影像学方法。　　 乳腺钼靶X光片上的微钙化点是早期乳腺癌最重要的标志性信息，有时甚至是早期乳腺癌惟一的恶性征象，因此在早期乳腺癌的筛查和诊断中具有举足轻重的地位。然而，由于乳腺X光片的成像对比度低，影像结构复杂，微钙化点常常隐藏在正常的组织之间，肉眼较难识别，再加上观察者的视觉疲劳或疏忽等因素，即便是有经验的放射科专家也容易造成误诊和漏诊的情况。　　 为了帮助医生减少漏诊，提高诊断精度，乳腺X光片上微钙化点的计算机辅助检测和诊断技术应运而生，希望通过计算机对图像数据进行分析和处理，自动标注出可能包含有微钙化点的区域，并给出微钙化点的诊断结果。　　 然而，目前乳腺X光片上微钙化点的计算机辅助检测和诊断的敏感性和特异性还远没有达到理想的要求，因此本文针对乳腺X光片上微钙化点的计算机辅助检测技术进行了深入的研究，希望通过深入分析各个步骤中已有算法的优势和不足，为每个步骤开发出相对更加完善的算法，以提高乳腺X光片上微钙化点的计算机辅助检测的敏感性和特异性。　　 本文的研究内容主要包括乳房区域的分割，胸肌区域的分割，图像灰度值归一化技术，以及微钙化点检测算法。主要的创新点有　　 (1)提出了一种基于脉冲耦合神经网络的乳房区域分割算法，可以在背景噪声较多的乳腺X光片上分割出相对完整的乳房区域。　　 (2)提出了一种基于离散时间Markov链和活动轮廓模型的胸肌边缘检测算法，可以在借助较少先验知识的情况下，获得比较精确的胸肌边缘。　　 (3)提出了一种不需要借助任何成像参数，仅仅依靠乳腺X光片图像自身的灰度值统计信息，就可以估计出乳腺X光片图像的灰度值归一化函数的方法。　　 (4)对基于fast marching的多元分割算法进行了改进，使得算法的最小时间复杂度由原先的O(N log2 N)减少到了O(N)。　　 (5)提出了一种基于blob的微钙化点检测算法，在提高微钙化点检测敏感性和特异性的同时，为乳腺X光片上微钙化点的检测提供了一种新的思路。　　 此外，本文研究出的一些算法，如基于离散时间Markov链的边缘检测算法，基于fast marching的快速多元分割算法等，还可以被应用到其它更为通用的图像处理领域中。