肺癌疾病是威胁人类生命健康的头号杀手,是癌症发病率最高的恶性肿瘤,占癌症死因首位,是医学界尚在攻克的难题。目前,对于肺癌的预防及检测还缺乏较为科学有效的万全之策,因此,对肺部疾病尽早检测定论和积极治疗是提高肺癌患者生命质量的重要手段。CT影像能提供高分辨率和高对比度的肺部图像,能更清晰的显示各软组织结构及区域特征,但随着肺癌发病率的逐年攀升,阅读大量CT图像不仅消耗许多时间和人力资源,而且存在受医生主观影响和检测效率低的缺点。医学影像计算机辅助诊断系统可以帮助医师提高肺癌诊断的效率与准确率。肺部CT图像中肺实质的提取是医学影像计算机辅助诊断系统实现肺部疾病准确定论的基础。模糊C均值聚类算法(FCM)是一种应用广泛和发展比较完备的经典肺实质图像分割算法,具有无监督性和对噪声处理的鲁棒性等优点,对模糊类医学图像分割效果较好。但该算法仅利用模糊隶属度函数的不断更新使目标函数收敛,图像分割结果与聚类中心位置有关,易产生欠分割或过分割等不稳定问题。分割后的肺实质可能存在缺陷,现有的缺陷修补方法修复效果不是很理想,极大的影响肺部疾病的准确检测。本文针对肺实质分割及缺陷修补等问题进行了研究。本文的主要工作包括两个方面:(1)提出了基于狼群算法优化的WPA-FCM算法,对传统狼群算法捕猎过程中的分工协作和智能行为进行改进。应用混沌理论使随机分布的狼群团队均匀化。通过引入粒子群算法对狼群团队的智能行为进行调整,实现智能狼之间的相互独立而又互通信息。通过自适应步长的围攻策略提升算法的收敛速度,避免陷入局部极值。改变狼群团队传统的搜索方向使搜索更精细更全面。捕食猎物时通过有秩序的团队协作和实时的交流决策探索未知环境,快速找到最优初始聚类中心集合,然后采用优化后的WPA-FCM算法进行肺实质初分割,并结合其他算法进一步细化处理肺部细节。实验结果表明,采用基于狼群算法优化的WPA-FCM算法对于肺实质分割具有更高稳定性和鲁棒性的优势。(2)肺部图像处理过程中的缺陷修复是保证肺实质分割完整性的不可或缺的步骤,提出了采用改进的Freeman链码结合Bezier曲线,对存有缺陷的肺实质边缘进行修复。先使用Freeman链码标记的凹凸点来寻找肺实质缺陷所在位置,再使用Bezier曲线修复缺陷,最后将提取到的完整肺肺实质与其他缺陷修复方法得到的结果进行比对。实验结果表明,对于边缘性结节以及不同的肺部病灶,该算法实现简单且稳定性高,实验得到的Dice相似度平均可以达到0.9221,Senstivity灵敏度平均可以达到0.9264,IOU精确度平均可以达到0.9708。