肺部CT图像中肺结节的分割是肺部计算机辅助检测中非常重要的步骤,肺结节的分割对于肺癌的诊断和治疗来说有着至关重要的作用。但是,由于肺结节在肺部CT图像中具有边界模糊性,使得肺结节的分割很难取得令人满意的效果。另外,在肺结节分割图像中存在伪结节问题,为了更好的辅助医生诊断,需要将肺结节分割图像中的伪结节去除。针对这些问题,本文对图像分割算法进行了深入研究,并将其应用于肺结节的分割,具体内容如下:针对肺结节在肺部CT图像中具有边界模糊性,本文对基于二次分割理论的图像分割算法进行研究,通过深入分析各种经典分割算法发现,在对目标与背景之间界限模糊的图像的分割以及图像的边缘提取方面,最大类间方差(OTSU)与最大熵(KSW)算法具有非常好的互补性,因此,本文在二次分割的理论基础上,将这两种算法相结合研究了两种改进算法:基于OTSU与KSW的二次分割算法和基于错分区域的二次分割算法。针对肺结节分割图像中的伪结节问题,本文对肺结节分割图像中的伪结节进行分析发现,这些伪结节由于灰度值与结节的灰度值相似而被错分为结节,采用传统的滤波处理方式并不能有效地将这些伪结节去除。为了解决这个问题,本文研究了一种基于决策树的伪目标去除算法。基于上述三种改进算法,本文首先将所改进的基于错分区域的二次分割算法用于肺实质的分割,再将所改进的基于OTSU与KSW的二次分割算法应用于肺结节的分割,最后采用基于决策树的伪目标去除算法去除肺结节分割图像中的伪结节区域,实验结果表明,研究的三种改进算法能够取得很好的效果。