肺癌是当今世界上死亡人数最多的癌症,由于多数患者发现时已经是中晚期,后续生存率不高。如果能够早期做出有效诊断并加以积极治疗,5年内的生存率可提高到54.4%。所以,提高生存率的主要举措就是早发现早治疗。肺癌早期的临床症状不明显,肺部病灶以肺结节的形式出现,CT影像成为医生诊断肺结节的主要工具。与X光胸片相比,CT检查可以获得肺部更多的细节图像,与此同时也给医生带来了很大的工作负担。为了能尽早发现肺结节、减轻医生负担和充分利用现有的大量CT图像,本文基于CT图像对肺结节自动检测进行了相关研究。本文主要工作如下:1)在肺实质分割方面,本文结合形态学和阈值处理,首先提取出胸腔掩模和肺实质掩模,对于胸膜粘连性结节造成的胸膜下陷问题,采用形态学滤波中的闭操作修复;为了去除肺部的气管,使用连通区域分析提取面积最大的前两个连通区域得到左右肺实质。在公开数据集上测得分割的Dice相似系数为0.9782,每层CT切片的平均分割时间为0.6397秒。2)在疑似肺结节提取方面,本文提出一种基于均值漂移聚类的方法检测疑似结节,该方法可以显著增大肺结节与周围组织的对比度,随后利用自适应动态阈值和形态学闭操作提取出疑似结节区域。3)在降低假阳性率方面,本文根据肺结节的影像学特征,从多方面提取了研究对象的灰度、形状、纹理特征,并对多维的特征进行选择和融合,降低特征的维度,利用分类器降低结节的假阳性率,并验证了融合特征对于提高检测的准确率具有重要意义。本文基于CT图像研究肺结节的自动检测,深入的研究了肺实质分割、提取疑似病变区域和假阳性率的降低方法,实现了肺结节的自动检测技术,并创新性地提出了结合阈值与形态学的肺实质分割方法,能够简单且快速的分割出肺实质区域,并提出了一种基于均值漂移聚类的肺结节候选区域提取方法,提升了系统的检测性能。