小波变换在图像处理中有非常重要的应用,包括图像压缩,图像去噪,图像融合,图像分解,图像增强等。小波变换是傅立叶分析思想方法的发展与延拓。乳腺癌是女性常见的恶性肿瘤之一,近年来发病率呈明显上升趋势。超声被广泛用于乳腺癌的诊断,因为超声成像具有对人体无放射、价格相对较低廉等优势。临床上,医生主要是通过肉眼观察B型超声图像的特征,凭经验和感性的认识来对乳腺肿瘤进行诊断,缺乏客观指标,有时会造成误诊,特别是对良性肿瘤的误检率较高从而导致了活检结果为良性的病例增加,给病人带来了不必要的痛苦和经济负担。计算机辅助诊断能进行定量分析,减轻医生诊断工作量,降低活检数,提高诊断效率和客观性。本文通过小波变换的原理对正常乳腺B超图像和病变乳腺B超图像进行小波分解,然后对图像进行小波去噪处理,再对图像进行小波特征提取,最后通过人工神经网络的方法对图像的特征参数进行统计分析,得出正常的乳腺B超图像和发生病变的B超图像之间的区别,从而判断哪些图像发生了病变。研究结果表明,该方法相对于医生凭经验判断有更高的准确率。采用小波变换方法将图像分解、去噪并提取出来的特征参数可以有效地将两类图像区分开来,医生根据量化特征参数进行诊断,提高了乳腺肿瘤临床诊断的准确率。