肺癌是一种常见的肺部恶性肿瘤。近年来，随着吸烟和各种环境因素的影响，世界各国尤其是工业发达国家，肺癌的发病率和死亡率均迅速上升，死于癌病的男性病人中肺癌已居首位。在对肺部疾病进行计算机辅助诊断研究时，肺部CT图像的分割是最核心的步骤，是影响分析稳定性、自动化、结果精确性的关键问题，其分割结果的好坏直接影响到后续的分析过程。传统的水平集分割方法在演化过程中，不得不周期性地对水平集函数进行重新初始化，反复的初始化不仅浪费时间，而且使演化速度变慢。本文分析了距离保持水平集分割方法，该方法在传统控制演化微分方程中加入了一项内部能量项，用以调节演化过程中水平集函数与符号距离函数之间的偏差，这样就有效地避免了传统水平集函数周期性地初始化这一局限。通过具体的肺部CT图像分割过程的演示，证明该方法在分割过程中能够很好地提取肺部边界。分水岭变换具有计算简便、分割结果精确、分割速度快等优点。这些优点使得它在医学图像分割中得到了广泛的应用。但是由于图像中通常存在的噪声和局部不规则性，在对医学图像进行分割的过程中容易产生“过分割”现象，这给算法的广泛应用造成了一定的障碍。本文在充分研究分水岭算法的基础上，分析了一种改进分水岭算法——标记分水岭算法。实验结果表明，在肺部CT图像分割过程中，该方法能够很好地抑制“过分割”现象的产生，准确提取肺区边缘。本文最后提出的基于水平集和分水岭相结合的轮廓检测算法，有效地结合了两种分割方法的优点，既能准确地收敛于待检测目标的边界处，还能避免由于噪声或图像不规则性等引起的过分割现象。该算法利用距离保持水平集算法初步获得待测目标的大致轮廓，进而利用标记分水岭算法提取准确的边界。实验结果表明，该方法在肺部CT图像的分割过程中，较之前两种方法，能更好地对肺部CT图像进行分割。