本文主要研究了在计算机辅助下,将肺部CT图像中的肺裂进行检测提取及其实现的方法研究。深入研究了医学图像中肺裂检测的相关方法。综合分析后,利用有监督的方式实现了肺裂的检测分割。肺裂像素值变化范围比较大而且边界通常模糊不清和失真,并且周围还有血管、图像噪声等因素的影响,这就造成了区分其他肺区域十分困难的现状。为了实现肺裂检测的目的,本研究基于无监督检测的理论引导,利用有监督方式对肺裂进行检测提取。无监督肺裂检测的思想是利用Hessian矩阵和高斯滤波对肺图像进行无监督的肺裂增强,通过无监督的思想,进一步实现有监督检测的目的;有监督的肺裂检测:首先利用高斯滤波、Hessian矩阵和梯度方法分别进行特征提取,最终提取得到57个特征图像。为了得到更有效的肺裂特征图像,再对特征图像进行特征选择。主要利用顺序浮动前向搜索算法对57个特征图像进行特征选择,从而更有效地得到了基于肺裂的特征图像。再分别利用线性判别分类器、二次判别分类器、支持向量机(含高斯内核)以及k值-最近的邻位序列分析分类器进行实验。通过多个分类器实验,得到KNN分类器较适合肺裂的分类,并且通过实验得到了最佳的分类值。通过有监督的方式最终实现了检测肺裂的效果。此外,还提出双阶段的有监督检测,可以得到更清晰的肺裂检测的图像。利用尺度空间、动态规划等方法实现了最终的肺裂提取分割。利用本研究的方法可以对多组临床图像进行仿真实验实现肺裂检测的目的,从而可以帮助医生分析病症和分割肺叶,肺裂的检测分割对医学图像的研究起到了至关重要的作用和意义。