乳腺癌是一种常见高发的恶性肿瘤,防治的关键在于早期的诊断和治疗。目前,乳腺钼靶X线摄影是诊断乳腺癌的首选方法,簇化的钙化点是乳腺恶性肿瘤在X线图像上的主要表现之一。由于钙化点非常小而且形态各异,即使在分辨率很高的X线图像中,也很难用肉眼有效地识别出来。因此,随着医学影像设备的进步和计算机技术的飞速发展,计算机辅助检测微小钙化点成为乳腺癌早期诊断课题中的研究热点之一。为了能够有效地检测出乳腺X线图像中的微钙化点,本文在前人研究的基础上,提出了一种包含三个模块的钙化点自动检测系统模型。首先,提出了一种X线图像中自动提取乳腺区域的方法,不仅减小了胶片上背景区域对后续检测的影响,而且简化了处理的过程;根据钙化点在X线图像中的影像学特征,选取基于多分辨率小波变换和独立分量分析(ICA: Independent Component Analysis)的方法对钙化点进行描述,在此基础上,采用经典的BP神经网络对待分辨感兴趣区域(ROI: Region of Interest)进行判别,其中的待分辨感兴趣区域来自于对乳腺区域的分块;为了在感兴趣区域中检测到钙化点的精确位置,提出了一种基于Top-hat形态学处理的自动检测方法,通过背景的抑制以及提取孤立钙化点的灰度、纹理和对比度等特征,有效地检测出了感兴趣区域中的微钙化点。为了验证本文提出的检测算法的有效性,对其中的每个模块都进行了仿真实验。实验结果表明,这种检测方法具有良好的实用性和鲁棒性,能够有效地检测出乳腺图像中的感兴趣区域以及其中的微钙化点,提高了乳腺癌计算机辅助检测的性能。