乳腺癌是妇女常见的恶性肿瘤,防治的关键在于早期的诊断和治疗。目前,实现乳腺癌早期诊断的关键技术之一是及时发现乳腺X线影像中的微小钙化并判断其是否有恶化倾向,这主要是因为细小、颗粒状的成簇钙化点是乳腺癌一个重要早期表现。因此,不断提高微小钙化点的检出率和准确判别其恶性度已成为众多学者孜孜以求的目标。本文在分析微钙化图像特征基础之上,研究了乳腺X线图像增强、微钙化点检测定位以及病变类型诊断算法。首先,为解决乳腺图像微钙化信息受背景组织以及噪声影响而可视性差的问题,提出一种基于形状选择性滤波和自适应背景抑制的乳腺钙化图像增强算法。利用形状选择性滤波器提取出潜在非线状钙化信息,将钙化图像分为前景和背景区域,通过对背景信息对比度进行自适应抑制,同时对前景钙化信息进行对比度增强处理,达到有选择地实现乳腺钙化图像中关键信息的可视化增强。其次,为解决乳腺图像微钙化点检出率较低和假阳性较高的问题,提出一种基于多尺度空间滤波和l1范数最近邻分类的乳腺图像微钙化点检测算法。利用尺度空间滤波方法得到原图像多尺度显著特征图,通过基于人眼视觉特性的钙化点分割方法得到粗检测钙化点二值图像,并提取有效特征送入l1范数最近邻分类器进行判决,达到去除假阳性点的目的。最后,在微钙化点检测基础上,根据良性和恶性钙化在形态、大小、分布等方面存在的差异,分析提取微钙化簇特征信息,并送入第二级l1范数最近邻分类器进行分类判决,达到准确提取微钙化簇并进行病变类型识别的目的。