肺癌是最为常见的癌症疾病,其死亡率在所有癌症疾病中位居榜首。就目前的医疗技术而言,肺癌治疗的关键在于早发现早治疗。肺癌早期是以肺结节的形式存在的,因此,诊断的重点在于能否通过医学成像技术发现肺结节,并判断其是否有恶化倾向。目前,临床上通常采用胸腔CT影像和活检作为肺结节诊断的主要依据,诊断周期较长,不仅需要花费医生大量的时间和精力,还会延误患者的治疗时机。为此,研究者研发出计算机辅助诊断(computer aided diagnosis,CAD)系统,希望通过计算机技术协助医生诊断疾病,提高诊断效率和准确率,为患者提供更好的治疗。然而,肺结节形态结构复杂,具有异质性,且多具有边缘模糊、密度分布不均匀、对噪声敏感和易与周围其他组织混淆等特点,导致CAD系统难以兼顾对不同类型肺结节的诊断。为此,本文对CAD系统中的肺结节分割环节展开研究,提出一种基于CT图像的多类型肺结节分割算法,在确保精确度的基础上,实现对多种不同类型肺结节的有效分割,以改善CAD系统在多类型肺结节诊断方面的性能。本文主要工作如下:(1)提出基于择优对称粒子群优化的Otsu肺实质分割算法。首先采用双边滤波和高低帽变换增强算法对肺部CT图像进行预处理,然后在Otsu算法的基础上引入改进后的粒子群算法,借助其寻优能力寻找最佳阈值,从而提高算法的分割效率。(2)提出一种改进的自适应边缘匹配修复算法。该算法主要用于解决粘连胸膜型肺结节带来的肺部边缘凹陷问题,首先采用边缘跟踪算法获得肺部边缘,然后对自适应边缘匹配算法进行改进,对固定阈值和自适应步长进行重新定义。采用改进后算法对肺部边缘轮廓进行修复,获得完整的肺部区域,同时解决粘连胸膜型肺结节的分割难题。(3)提出基于局部空间相似性的WFCM算法,即在WFCM算法的基础上,结合局部图像特征相关性理念,引入局部空间相关性,使算法能够同时兼顾图像的空间信息和灰度信息,提高算法分割的精确度和抗噪性,另一方面,借助模糊聚类思想解决肺结节的边缘模糊问题和磨玻璃结节的分割挑战,改善因此导致的肺结节过分割或欠分割。