乳腺疾病的初期检查是拯救病患性命最可靠的办法。当前,乳腺X线图像是诊断乳腺肿瘤最常用的图像,但是初期乳腺肿瘤图像特征的特异性不强,受医生主观因素影响,易出现误诊和漏诊。目前,计算机发展迅速,用先进的计算机技术来帮助医师对乳腺肿瘤进行诊断已经发展为一个研究热点。本文在经典乳腺肿瘤图像的模式识别方法的基础上,提出了新的识别算法,实现了对乳腺肿瘤的有效识别,具体工作如下:(1)介绍了乳腺图像处理的相关技术。使用对比度增强方法对图像进行加强,提高了图像质量。通过模糊c均值算法,将潜在的肿块区域有效地分割出来。分别提取乳腺肿块特征和乳腺密度特征作为有效特征,其中在乳腺肿块区域,利用灰度共生矩阵纹理分析方法,提取48个纹理特征和5个形状特征;在乳腺密度区域,提取2个灰度特征,并将提取的特征作为以下算法的实验数据集。(2)提出了基于支持向量机的参数优化算法。对面向乳腺肿瘤识别的支持向量机分类算法中惩罚系数和核函数参数展开优化,提出将改进的果蝇优化算法作为支持向量机参数的优化算法,提高分类性能。通过建立实验,分类结果表明算法可以提高识别准确率。(3)提出了面向乳腺肿瘤图像识别的联合增强耦合特征表示方法,兼顾特征内部耦合和相互耦合的相关关系,构建基于相关关系的特征表示,建立了基于联合增强耦合特征表示的乳腺肿瘤识别算法。