在获取肺部图像的过程中,受医疗设备或者环境因素的影响,导致肺部图像的纹理细节信息模糊、对比度低、肺部组织结构和背景之间的边界不明确并且含有噪声,这些特点使得在检测肺结节的过程中,容易忽略掉一些亮度值较低的肺结节点,从而导致漏检或误检。因此,需要对肺结节进行增强处理,而传统的图像增强方法大多是针对整幅肺部图像进行增强的,没有考虑只增强肺部某个特定的病变区域或者病变组织,如肺结节的增强、血管的增强等,在临床应用中对于肺癌的判断主要是依据肺结节点的检测,因此研究如何增强以及改善肺结节的图像质量,尤其是增强肺结节与周围其它组织的对比度具有重要的意义。分数阶微分在增强图像纹理细节的同时还能够去除噪声,因此本文引入分数阶微分技术对肺部图像进行增强处理。为了提高肺结节与周围其它组织的对比度,本文提出了一种用于增强肺部纹理细节信息的自适应分数阶微分算法,将其应用到肺结节的检测中,用于辅助肺癌的早期诊断。本文的主要研究内容和创新性工作如下。首先,对分数阶微分理论进行了分析及研究,根据肺结节检测的特性,构造了一种增强肺部图像纹理信息的分数阶微分掩模,将分数阶微分引入到肺部图像的处理中,将分数阶微分算法与传统的图像增强算法进行仿真实验对比,分析了各种方法的优劣性。实验表明分数阶微分提高了肺结节与周围其它组织的对比度,并且在增强图像纹理细节方面具有较好的性能。其次,针对多次反复试验选取最佳分数阶微分阶数的问题,本文提出了一种用于增强肺部纹理细节信息的自适应分数阶微分算法,与传统人工选取阶数的分数阶微分算法相比,本文算法在处理时间上具有明显的优越性,并且可以达到最佳阶数微分的增强效果。最后,将本文所提的自适应分数阶微分增强算法应用在肺部图像的预处理阶段,以减少噪声的影响;对经过预处理后的肺部图像,采用阈值法对肺实质进行初步的分割,对于分割后存在凹陷区域的肺实质部分,运用数学形态学方法进行修补处理,使其能够覆盖住所有的肺结节区域;为了在肺实质部分检测出包含肺结节的候选区域,本文提出了一种基于分数阶微分的肺结节初步识别算法,实验证明该算法可以有效的检测出肺结节的候选区域,最后根据肺结节的形状特征在肺结节候选区域检测出肺结节。