生物图像信息检测与识别技术因其重要性而得到世界各国广泛关注并广泛应用在各个领域。当前，生物医学技术的发展、生物信息学的发展、公共安全的需要为生物图像信息检测与识别技术的进一步发展创造了条件提供了机遇。 本论文主要围绕着人脸特征点检测、人脸多表情状态检测和识别、乳腺癌细胞检测三个方面展开研究。 数字人像问题的研究始于30年前，近十多年来已扩展成为人工智能、模式识别和图象处理等领域的研究热点。数字人像问题包括人脸识别、表情分析、眼光注视检测、唇读、姿势估计、人脸重构、人脸信息编码等问题，在这诸多问题里，人脸特征点检测是最关键的基础环节；而人脸多表情状态检测和识别是颇具意义的一环。由于现有的人脸特征点检测算法较少考虑表情和光照条件的影响，因此，非均匀光照下的多表情的人脸特征点检测问题是本论文的研究问题之一，研究这个问题不仅具有现实意义，而且具有理论意义，特征点通常为奇异点，它的检测为奇异点(如边缘)检测的发展和统计模型的发展提供理论基础。而目前还处于刚起步研究阶段的眼睛和嘴巴状态检测与分类问题，作为人脸特征点检测的后续应用之一，因其在智能人机交互中有相当大的应用价值而成为本论文研究的问题之二。 在医学图像问题的研究领域，过去的几十年里，乳腺癌持续是全世界妇女特别是西方国家妇女最高发的癌症和导致妇女死亡的最主要原因之一。由于其成因未知，提早预防目前尚不可能，但如能及早诊断与治疗将会大大提高病人存活机会。乳腺X线照片是目前医生诊断乳腺癌的有力工具，簇化的微钙化点是乳腺癌在X线照片中的主要表现，因而本论文第三个研究问题围绕数字乳腺X线照片中微钙化点簇的检测而展开。 本论文的主要工作包括以下三个方面：1)提出基于活动轮廓模型(ASM)方法的多表情整脸轮廓检测算法。ASM是目前最流行的人脸对齐方法之一。人脸有丰富的表情，如微笑，惊讶，生气，发呆等等，眼睛和嘴巴的多种状态使得形状有较大的非线性变化，不能简单地放在同一个线性模型下处理。为了提高ASM在光照较不均匀、背景较复杂和形状有较大非线性变化的、多表情的人脸特征点的检测准确率，本论文提出三种策略对ASM从模板建立到搜索策略进行改进：a)非对称采样策略；b)对Gabor小波提取的信息进行建模取代标准ASM中直接对灰度信息进行建模，以容忍一定程度的光照变化和脸部较丰富的表情；c)局部ASM和全局ASM相结合的多模板ASM方法。 2)提出眼睛状态和嘴巴状态检测的组合算法。人脸表情丰富多样，其中眼睛和嘴巴作为人脸的两个重要部件，包含了丰富的表情信息，眼睛和嘴巴的轮廓检测和状态分类在智能人机交互中有相当大的应用价值。本论文应用六种方法去检测开眼和闭眼状态，即灰度模板匹配的方法、Fisher方法、水平投影的方法、找眼睛上眼睑的方法、用Hough变换找眼珠的方法、垂直方差投影的方法。最后通过对这六种方法进行组合来提高抗光照影响能力，提高检测的准确率。而对于嘴巴，本论文采用基于灰度模板匹配方法、支持向量机方法、嘴巴几何特征分类和嘴巴内轮廓区域灰度分类的组合方法，检测张大、微笑、O型和紧闭四种嘴巴状态。 3)提出基于不同SVM检测结果的组合算法应用于数字乳腺X线照片中微钙化点的检测。检测问题实际上是两类分类问题，X光照片中的每一点，可以用SVM分为两类：“此点是癌变点”和“此点不是癌变点”。本论文利用多项式核SVM和线性SVM之间的互补特性，提出了一个把这两种SVM所得结果组合起来以求更好的结果的算法，在保持与最高几乎相同的正确检测率的基础上有效地降低错误检测率。