透射多光谱成像具有医学应用的潜在价值,例如乳腺肿瘤的早期筛查。但是生物组织的强散射性和强吸收性致使获得的图像信噪比低且模糊。采用帧累加技术与函数信号调制解调技术可以提升获得图像的灰阶和信噪比,进而提高异质体检出的可能性。使用帧累加结合函数信号调制解调技术获取图像数据需要进行大量计算,并且多光谱透射图像边界模糊,难以进行异质体检测。本文针对上述多光谱透射成像中的图像解调速度问题和图像中异质体的检测问题进行了探究,主要完成了以下内容:（1）结合帧累加技术与函数信号调制解调技术可以获得更高质量的图像,但是图像信息的解调所需计算量巨大,耗时冗长,并且调制光源的信号发生器和相机不是由同一个时钟系统驱动,存在相位波动问题。该误差对成像质量的影响随着采样率的降低而增加。针对这一应用背景,提出了一种改进的快速解调算法,并将其应用于二维图像。该算法通过平均调制频率来减小相位抖动问题带来的影响。在保证图像质量的前提下,显著提高了图像解调速度,为透射多光谱成像的快速解调提供了一定的帮助。（2）为获得异质体的位置和特征信息,提出了一种针对多光谱透射图像的异质体检测方法。该方法分为两步:第一步获得图像大致轮廓,第二步通过轮廓内异质体区域的光谱特征对异质体进行检测。在图像中异质体的轮廓提取部分,采用一种针对模糊图像的复合异质体轮廓提取方法。该方法主要包括图像指数下抽样、拉普拉斯算子和Otsu二值化;在图像异质体检测部分,借鉴化学定量分析中光谱分析法的思想,提出一种异质体不变特征的假设,并将其用于异质体分类。该方法为透射图像中异质体的检测提供了一种新的可能。（3）结合传统图像处理与深度学习对异质体进行检测是一种有效的方法。该部分采用优秀的图像分割网络Unet++对异质体进行语义分割。设置输入端输入经过帧累加与函数信号调制解调获得的高灰阶高维图像,使网络学习不同尺度语义信息,最终在多光谱透射图像异质体的检测、分割和分类上获得了98.53%、67.71%和80.89%的精度。并且根据Deeplab系列网络架构和Inception网络架构的思想针对Unet++网络架构进行了微调,使其在图像进行分割的精度上和迭代速度上获得少量的提升。透射多光谱成像具有医学应用的潜在价值,所提出的快速解调算法、检测办法有益于提升透射多光谱成像的检测速度、检测精度,为透射多光谱成像在乳腺肿瘤检测的研究提供了参考。