近年来,环境问题日益突出,患有肺炎、肺结核、肺气肿、肺癌等肺部相关疾病的人数越来越多,对患者的生理和心理影响很大。在医学上诊断肺部疾病时,医生通常通过查看大量CT图像来判别肺部患病处,极其耗费时间和精力。因此,分割肺裂具有重要的研究价值。为了有效分割肺裂,本文提出根据三维CT图像的特点,采用基于骨架化的方法分割肺裂,获得了较好的分割效果,具有重要的实用价值。本文首先对肺部CT图像进行预处理,提取肺实质并定义感兴趣区域,然后根据肺裂在二维CT图像中显示为线性结构的特点,肺裂在三维CT图像中显示为面结构的特点,采用肺裂增强滤波器进行肺裂增强,接着通过对图像进行骨架化处理、剔除分支点、连接元分析等处理,最后填充孔洞,完成肺裂的后处理。本文具体的研究工作如下:本文在肺实质提取时采用一种简单且效果较好的常用的肺实质提取算法,该肺实质提取算法分为两个步骤。第一步为肺部初分割,第二步为肺部修补。采用迭代阈值法进行肺部初分割,同时初始掩膜为肺部初分割结果;接着肺部修补。通过以上两步可以完成肺实质的提取,隔离出感兴趣肺部区域。由于肺部血管形态样类繁多,为准确分割肺裂,需先对血管进行增强并抑制背景噪声,得到准确的血管增强结果,才能高效率地分割肺裂。基于Fissureness滤波器的肺裂增强算法,将管状结构和其他结构(盘状结构、球形结构等)区分开来。主要思想是借助Hessian矩阵特征值与几何结构的关系,定义不同结构的描述算子进行区分血管结构,气管结构等,从而有效的增强肺裂并抑制噪声。肺裂增强后,对肺裂进行后处理。通过多种后处理方法的实验效果比较,本文采用基于骨架化的肺裂图像后处理方法。针对三维肺裂图像,本文对骨架化方法进行改进,采用基于快速行进法(FMM)的骨架化方法。肺裂图像经过骨架化处理后,接着剔除分支点,进行连接元分析,最后填充孔洞,最终分割得到完整的肺裂。通过分析实验结果,本文进行实验对比与评估,验证了本文算法在进行肺裂分割具有理想的效果。为验证本文骨架化肺裂分割算法的精确度,与人工金标准进行了对比。实验结果表明本文提出的基于快速行进法的肺裂分割算法分割效果较好,有效的提高了肺裂图像的分割精度。