乳腺癌是一种严重危害女性生命健康的疾病。乳腺癌的发病率连年增加,已经成为威胁女性生命健康的主要杀手之一。临床测验表明,早期检测、诊断和治疗有利于乳腺癌患者恢复健康。乳腺钼靶X线影像检测具有分辨率高、重复性好、诊断准确率高等特点使其成为乳腺癌早发现、早诊疗的首要工具。然而,由于乳腺结构复杂,各部分组织密度较为接近,以及成像设备功能有限,放射科医师在进行大量乳腺病理图片筛查和诊断的时候很容易造成误判,降低早发现、早诊疗的准确性。这促进了基于乳腺影像的计算机辅助诊断技术的快速发展,加快了乳腺影像预处理和病灶分割算法的大量研究。本论文进行了基于局部非线性变换的乳腺图像增强算法和模板匹配的乳腺图像分割算法研究。主要研究工作和贡献如下:提出了基于局部非线性变换的增强算法。其中非线性变换是为了抑制非肿块区域腺体和组织的信息,利用局部标准差增强图像对比度,从而突出肿块信息。实验结果表明,提出的算法较其他经典算法有效增强肿块信息。良好的增强效果便于后续工作的展开。提出了改进的模板匹配分割算法。包括四个部分,分别是构造模板、互信息量测量相似程度、不同尺度模板测量后的结果进行线性组合、根据形态学特征获得可疑区域。互信息量用来测量相似程度。新模板是用增强后图像中最大灰度值区域和同尺寸双曲正割图像组合而成,其最大优势是充分利用了原始图像信息使得构造的模板更接近肿块真实情况。利用形态学特征进行阈值分割,获得可疑区域。最后,使用区域灰度特征和边界灰度特征去除假阳性区域。通过与其他算法比较,提出的算法具有较高的敏感度和特异性同时假阳性区域个数也得到了很好的控制。