基于CT图像的肺实质自动分割是计算机辅助诊断肺部疾病的关键步骤,肺实质分割的质量直接影响后续肺部疾病诊断的正确性。由于肺部CT图像具有模糊、灰度不均匀的特点,简单利用图像灰度信息的传统肺实质分割算法分割结果不理想。本文基于超像素分割理论,综合考虑图像局部区域特征,提出两种鲁棒的肺实质分割算法。本文的主要工作如下:1、研究超像素分割理论,对主流的三种超像素分割算法进行实验比较,结果表明SLICO算法具有较好的可控性,所生成的超像素大小均匀并且具有较高的紧密度和边缘贴合度。2、基于SLICO超像素分割算法,提出一种超像素聚类的肺实质分割框架,并提出适用于不规则超像素的纹理以及灰度特征提取方法。通过对kaggle肺部数据集10个病人的100张CT图像进行测试,结果表明该算法的平均分割准确率(Dice系数)为96.65%,过分割率为0.51%,欠分割率为2.23%,具有较为优异的分割性能。3、针对肺部CT图像的模糊和灰度不均匀问题,提出一种基于超像素的自适应局部对比度增强算法。首先利用SLICO算法将CT图像预分割为多个超像素,然后统计超像素的灰度信息,最后根据统计结果自动定位模糊区域并自适应提高此区域的对比度。实验结果表明该算法可以有效提高模糊区域对比度,同时保留边缘信息。4、分析基于阈值的肺实质分割算法的不足,提出一种新型的鲁棒肺实质分割方法。首先,根据图像的灰度信息利用线性迭代聚类将图像预分割为多个超像素。然后,利用自适应局部对比度增强算法进行对比度增强。最后,基于阈值和形态学操作进行细化分割,准确提取肺部粘连区域和肺实质。通过对kaggle肺部数据集30个病人的300张CT图像进行测试,结果表明本文算法的平均分割准确率(Dice系数)为98.65%,过分割率为0.21%,欠分割率为1.33%,整体分割性能比传统阈值操作和形态学方法有明显提升。