肺癌是全球死亡率最高的癌症。虽然医学诊断和治疗水平不断提高,肺癌的五年生存率也仅有15%,其原因是肺癌早期通常无症状,晚期发现者居多。早期发现、早期治疗是提高肺癌预后的主要途径。肺结节是肺癌的早期表现形式。CT扫描是目前肺癌筛选最有效的影像学方法,然而高分辨率CT扫描产生的大量医学影像,直接导致医生工作量剧增,从而增加漏诊和误诊的几率。肺癌计算机辅助检测系统的研究旨在帮助医生减少阅片时间,提高诊断准确率。肺结节的检测是肺癌CAD系统中最重要的功能之一,本文以高分辨率CT影像为研究对象,通过对肺癌CAD方案的分析,围绕肺结节的识别,完成了如下有新意的工作：(1)提出了一种基于多角度增强图像分析的肺结节检测方法。为充分利用图像在三个方向上的投影信息,针对基于二维层片难以区分肺结节和肺血管横断面的问题,采用增强滤波器来分别获取横断面、冠状面和矢状面的增强图像,然后提取其相应特征,通过分别训练支持向量机分类器获得对应平面的最佳分类器,然后为综合各像素在三个方向上的判定结果,采用判定规则最终完成对肺结节区域的检测。在含有33个肺结节的32套真实CT图像数据中,敏感性为92.95%,假阳性率为1.04FPs/slice,实验结果表明该方法可以快速准确的对肺结节进行定位,且优于仅依赖于横断面的二维检测方法。(2)针对在三维空间进行肺结节识别具有精度高的特点,提出了一种基于K-L变换和代价敏感支持向量机(Cost-Sensitive Support Vector Machines, CS-SVM)的三维肺结节识别方法。三维肺结节的识别有赖于三维肺结节的准确分割,为解决三维肺结节候选区提取耗时的问题,首先进行肺实质分割,并采用基于阈值和数学形态学的方法得到分割感兴趣区,然后采用三维圆点增强滤波器和形态学方法得到分割后的三维肺结节感兴趣体(Volumes of Interest, VOIs);在降低假阳性阶段,提取VOI的灰度特征、几何特征以及Gabor滤波器特征,采用基于K-L变换的方法进行特征选择,为解决样本分布不均衡的问题,引入CS-SVM分类器最终完成对三维肺结节的识别。实验结果表明该方法可以对三维肺结节进行准确的识别。(3)针对三维圆点增强方法在增强肺结节区域的同时产生大量假阳性的问题,提出了一种多尺度三维肺结节增强滤波器。首先采用多尺度自适应双边滤波器对原始肺实质区域进行降噪平滑操作,然后逐像素计算基于Hessian矩阵的特征值并得到预增强系数,通过计算增强密度指数并采用阈值法来最终完成对肺结节候选区的标识。实验结果表明该三维肺结节增强滤波器可以对肺结节区域进行准确的定位,在具有较高检测敏感性的同时,产生较少的假阳性区域,为后续降低假阳性提供了更好的初始结果。(4)从肺结节检测过程中产生大量由肺血管导致的干扰区这一实际情况出发,提出了基于血管排除的降低检测假阳性的方法。通过对肺血管区域形态进行分析并建模,设计了一种三维血管增强滤波器,该滤波器采用多尺度方法,可以对具有不同直径的血管区域进行分割提取,最终通过将肺结节候选区域与分割得到的肺血管区域进行匹配来去除假阳性。在对真实CT图像进行试验后,结果表明该方法对于去除由血管造成的假阳性区域具有很好的效果。