乳腺恶性肿瘤的防治是目前重要的卫生问题,利用乳腺钼靶图像对早期乳腺肿瘤进行筛查具有重要的研究意义和实用价值。肿块与钙化点是乳腺肿瘤的重要诊断依据,本文对乳腺钼靶图像中肿块和钙化点进行特征提取,并基于提取的特征进行肿瘤良恶性识别,用于辅助筛查乳腺恶性肿瘤。基于谱聚类算法实现乳腺钼靶图像中乳腺组织的分割,去除图像中的胸肌部分,避免了与肿块特征相似的高亮胸肌导致的肿块误分割问题。针对胸肌分层和胸肌与乳腺组织边界不明显的情况,提出了最大类间灰度差和形状约束方法实现准确的胸肌分割。对去除胸肌的图像,基于肿块的灰度较高、面积较小等特点实现肿块的准确分割。利用双窗口滤波方法对钙化点进行增强,基于窗口贡献矩阵方法提取微小钙化点。针对肿块,分别提取了纹理边缘方向自相关向量、灰度共生矩阵和灰度游程矩阵的肿块纹理特征;灰度标准差、局部极大点平均灰度差和邻域组织灰度对比度的肿块灰度特征;边缘复杂度、径向长度比和形状参数比等肿块形状特征。针对提取的钙化点,利用钙化点数目、局部钙化点数以及与邻域灰度的对比度描述其特征。针对MIAS数据库图像和医院获取的病人乳腺钼靶图像,基于肿块和钙化点的特征,利用支持向量机方法对钼靶图像进行良恶性肿瘤的识别。实验结果表明,本文提出的乳腺钼靶图像分割方法,能够准确地分割胸肌和肿块。本文提出的钙化点提取算法能够在减少噪声点的同时保证钙化点提取的准确率。基于钙化点和肿块的恶性肿瘤识别准确率分别为98.00%和84.37%,总识别准确率达到90.00%。