乳腺X线图像是低噪声和低对比度图像,所以对于乳腺X线图像中乳腺癌的早期检测是一个具有挑战性的工作。因此需要有效地抑制图像噪声去获得可靠的结果。再者,由于损伤部分嵌入和隐藏在各种不同密度的乳房软组织结构里,故对损伤部分的分割是一件困难的工作。为了给放射科医生对乳腺X线图像的精确诊断提供帮助,论文详细研究了图像的预处理过程(即图像去噪和图像增强)和疑似肿块的分割方法。本文所做的主要工作如下：研究了现有的分割算法和图像预处理方法,分析了后小波(即多尺度几何分析)分析理论与应用。基于Curvelet变换的多尺度特性,不仅包括尺度和位置,其还包括非常细致的方向性,本文根据其最细尺度和最粗尺度的性质去除图像中的噪声和伪影,去噪后的图像肿块与背景的对比度低、边缘模糊不清晰,对去噪后的图像进行曲波变换得到一系列的低频和高频子带系数,对子带系数进行非线性增强从而达到图像增强的目的。本文提出了一种基于小波变换与遗传算法相结合的图像分割方法。该方法将小波变换与遗传算法结合算法,先用离散小波变换对图像进行分解,提取原图在不同维度上的近似分量和细节分量,再用遗传算法对小波分解后的近似图像直方图进行处理,得到阂值数量和阈值大小,最后,把得到的阈值扩展到原始空间,利用扩展后的阈值对乳腺X线图像进行分割。以30幅含有病灶(良性,恶性,钙化)的乳腺X线图像为研究对象,在Matlab环境下对本文提出的算法和其他分割算法进行仿真、比较,得出分割效果评估数据。实验结果表明,本文提出的算法不仅提高了分割速度,同时保证了对病灶区域的完整分割,边缘定位精度较高,边缘连续性好,肿块分割完整。