肺癌是最常见的内脏恶性肿瘤，是对人类健康威胁最大的肿瘤疾病之一，发病率和死亡率都很高，而我国肺癌患者的数量居全球首位。相对其他癌症而言，肺癌的生物特性十分复杂，发病早期无症状或症状轻微，发病时间短，恶性程度高，不易发现，易转移，而晚期又难以治愈。因此，为了使肺癌病人的存活率得到提高，最关键也是最主要的方法是进行肿瘤生长初级阶段的检测与治疗。研究发现，假如在肺癌的早期阶段就进行检测并及时治疗，病人的存活率可以从14%上升到49%。近几年来，随着影像技术越来越发达，临床医学证明诊断早期无病症肺癌非常有效的医学方法是进行低剂量CT扫描。这些肺部的疾病一般被称为孤立性肺结节(Solitary Pulmonary Nodules)，因此，诊断肺部疾病最有效的方法是检测与识别孤立性肺结节。随着计算机软硬基础的提升、数字图像处理技术的发展、模式识别方法不断深入的研究，使得计算机辅助诊断系统能够为肺癌的检测和诊断提供有力的支持。对肺部图像的处理算法可以利用计算机进行实现，对病变特征进行检测，帮助医生进行可疑对象的发现，进行分析和判断，一方面大大提高医生的工作效率，另一方面让病情诊断客观化，提高病情诊断正确率。因此，在肺结节病情诊断中用计算机进行辅助，提取其特征值，检测与识别肺结节，具有重要的研究意义与价值。要准确地实现肺部CT的智能诊断，降噪处理、特征提取和分类是关键，故本研究重点从降噪处理、特征提取和分类三个方面展开深入的研究。本论文的具体的研究工作从以下几方面展开：(1)肺部CT图像病理分析。本文主要介绍了医学图像的特点和分析了肺部CT图像中肺结节的医学征象，并介绍了一些肺结节的医学知识。(2)肺部CT图像的预处理：由于在肺部CT图像的采集过程中不可避免地引入各种噪声，并且由于肺部CT图像成像原理的特殊性造成目标图像边缘模糊，为了最大限度地减少噪声和消除边缘模糊对后续特征提取和分类的影响，应对肺部CT图像进行预处理。本文针对肺部CT图像采用具有自适应阈值提取方法的最大类间方差法对图像进行二值化处理，然后采用二值图像形态学方法将图像变化为背景像素为0、目标像素为1且目标区域内无空洞的二值图像，最后将得到的二值化图像与原始的二维图像进行与操作。这种方法能够很好地确定目标图像的边界和完全消除背景噪声的影响。(3)特征提取：本文从灰度特征、纹理特征、形态特征等多个角度提取肺部CT图像的特征值，并选取具有代表性的基于灰度共生、灰度-梯度共生矩阵的纹理特征值和基于不变矩的形态特征值作为后续分类研究的特征数据，用于第五章中肺部CT图像的分类研究。(4)基于支持向量机的肺部CT图像分类分析：本文选用能够很好的处理小样本问题的支持向量机作为分类器，试验中对从解放军第203医院采集的46幅正常肺部CT图像和83幅异常肺部CT图像进行分类，其分类准确率能都达到89.3714%，进而验证了该分类方法的有效性。综上所述，本文利用提出的形态学方法对肺部CT图像进行降噪处理，并利用支持向量机对肺部图像进行二分类，取得了较好的分类效果。今后工作的重点是对肺部病理的深入研究、特征的选择和分类算法的优化，建立完善的肺部图像处理方法，为进一步提高分类准确率而努力。