乳腺钼靶X线摄影术是目前普查和诊断乳腺癌最有效的方法，对乳腺癌的及早发现、及早治疗，并提高治愈率和降低死亡率具有重要的意义。为了克服人工阅片效率低、而且容易造成误检和漏检等问题，基于乳腺X线图像的计算机辅助诊断技术被广泛应用于乳腺癌的普查和早期诊断之中。本文主要研究基于乳腺X线图像的乳腺肿块计算机辅助检测技术，以提高检测的准确性和效率为目标，并建立了一个完整的计算机辅助诊断系统。本文的主要研究工作和贡献主要体现在以下几个方面：为了抑制噪声对图像质量的影响，本文提出了一种基于非下采样Contourlet变换和对称反高斯模型的乳腺X线图像去噪方法。该方法使用贝叶斯最大后验估计，将去噪问题简化为一个求阈值的过程。为此，本文提出了一种阈值求取策略，使得到的阈值不仅自适应于不同的方向和尺度，而且还考虑到了不同尺度的NSCT系数所包含的噪声的差异。实验结果表明：该算法在去除噪声的同时，能很好地保留图像边缘和细节特征。为了消除背景等区域对肿块检测的影响，本文提出了一种基于小波的自适应阈值乳房轮廓提取方法。该方法首先对乳腺X线图像进行二维小波变换，以克服因灰度分布不平稳而造成的噪声敏感，然后对选定的低频图像直方图进行一维小波变换，去除直方图波形的起伏现象，以取得局部最小值，进而获得分割阈值，将乳房区域和背景区域进行分离。实验结果表明，该方法的分割结果与手工圈画的金标准有很好的一致性，比迭代阈值法、基于标记控制的分水岭算法以及基于水平集的算法分割结果更接近于乳房区域的真实轮廓。为了减少冗余信息，提高系统的处理速度和准确性，本文根据肿瘤生长特性，提出了一种改进的基于自适应阈值的感兴趣区域提取方法。该方法利用同心层规则和形态学特征，实现了对可疑肿块区域的自动检测，并由此确定感兴趣区域。实验结果表明，本文提出的算法比基于固定阈值间隔的同心层方法和基于MCA的自适应阈值间隔法有更高的灵敏度和更低的假阳性率。为了从感兴趣区域中提取出肿块轮廓，以便对肿块的良恶性做进一步分析，本文提出了一种基于等周算法和梯度向量流活动轮廓模型的肿块轮廓提取方法。为了增强感兴趣区域的对比度，该方法首先使用最小二乘平面拟合法对背景趋势进行去除。然后，为了克服梯度向量流活动轮廓模型对初始位置敏感的缺点，采用基于图论的等周算法对肿块轮廓进行初始分割。最后，将分割结果作为初始位置，对肿块轮廓进一步精细化。实验结果表明，本文的方法运行时间和分割精度都要优于归一化割(Ncut)方法和改进的水平集方法。