随着大气污染的加剧和环境的破坏,肺癌患者急剧增加,肺癌成为危害人类健康最大的恶性肿瘤,因此肺癌治疗迫在眉睫。当前,肺肿瘤检查的主要方式是使用CT(computed tomography,计算机断层扫描),CT图像主要体现病变区域的信息,医生根据该区域的信息对病人进行诊断和治疗。在计算机辅助诊断(Computer-Aided Diagnosis,CAD)肺肿瘤的研究中,对肺部CT图像进行分割是首要步骤,分割的结果将对后续的图像处理工作产生直接影响。因此,提高肺部CT图像分割的效率和精确度,对诊断和治疗肺癌具有重要意义。本文采用二维Otsu算法分割肺部CT图像,针对传统二维Otsu算法耗时长、分割精度低等问题,对二维Otsu算法进行改进,并采用粒子群算法对二维Otsu算法进行优化,提出了基于粒子群优化二维Otsu的肺CT图像分割算法。首先,介绍了CT图像的成像原理、肺部CT图像的特点以及一维Otsu和二维Otsu算法的原理。针对传统二维Otsu算法计算量大、背景与目标划分出错等缺点,本文对灰度级-邻域均值二维灰度直方图进行了区域限定,限定在从0区域指向1区域的对角线范围内,以缩小二维阈值的搜索范围,降低了运算量。实验结果证明,改进后的二维Otsu算法减少了阈值分割时间,提高了阈值分割的效率。其次,由于二维Otsu算法计算时采用的穷举法需要耗费大量的时间,而粒子群算法具有很强的发现较好解的能力,本文选用粒子群算法对二维Otsu算法进行阈值搜索,以减少二维Otsu算法运算时间。针对传统粒子群算法寻优精度低、易于陷入局部最优、搜索后期收敛速度较慢等问题,本文采用线性递减的权重系数和动态的加速系数,提高了粒子的全局及局部搜索能力,防止算法陷入局部最优,改善粒子群算法的收敛速度。实验结果证明,改进后的粒子群算法的收敛速度和精确度都得到大幅度提升。最后,利用本文提出的基于粒子群优化二维Otsu的肺CT图像分割算法与其他两种算法分别对五幅不同的肺CT图像进行仿真实验。实验结果证明,本文基于粒子群优化二维Otsu的肺CT图像分割算法不仅提高了肺部CT图像的分割效率,还提高了阈值分割的精确度。在肺组织CT值与人体其他组织有显著差异的情况下,首先利用本文算法得到了最佳阈值,进行肺CT图像初分割,降低了阈值选择对图像分割的影响;然后,采用孔洞填充操作去除了肺外部的背景干扰;接着,通过边界追踪法能够得到了肺部区域边界,提取出肺部实质;最后用数学形态学方法修复了肺病变区域。经过这些操作能够快速准确地从肺CT图像中分割出肺实质,可用于肺部区域计算机辅助诊断。