肺癌是最常见的恶性肿瘤之一,严重危害着人类的身心健康。肺癌患者在早期通常没有明显的异常症状,发现症状的时候多已处于中、晚期。而目前很多治疗中、晚期肺癌的方法的疗效都不太理想。因此,在早期阶段将肺癌检测出来并采取有效的措施进行医治,可以有效提高肺癌患者的治愈率和存活率,减少患者身心所受的伤痛。通过对肺部CT图像进行分析可以观察到肺癌早期征象(肺结节),这种方法操作简便、成本低廉、对患者损害小,已经成为常用的检测肺癌的最有效的方法之一。肺结节的几何形态、倍增率和表面平滑度的变化是医师分析和判断肺癌的重要指标,结节分割的精度决定了这些指标的精确度,因此精确分割肺结节是识别和诊断肺癌的核心技术,是医师分析患者病情和设计治疗方案的重要依据。本文研究的重点是肺结节的分割,是肺结节计算机辅助诊断系统(CAD,computer-aided diagnosis)中最核心的环节,主要目标是将肺癌早期的征象肺结节准确分割出来,为后续的分析和诊断提供直观又可靠的依据,协助医生进行早期肺癌的筛查。本文提出了基于边缘的活动轮廓模型(EACM,Edge based Active Contour Model)和改进的区域活动轮廓模型(RCV,Renyi Chan-Vese)相结合的复合模型,实现对肺结节的精确分割。首先对可疑肺结节区域进行去噪和增强等预处理。在预处理后,利用基于边缘的活动轮廓模型(EACM)对灰度梯度信息敏感度强的特性,在肺实质区域进行粗分割获得疑似肺结节的矩形感兴趣区域(ROI,Region Of Interest),有效地克服了传统分割方法中需要人工设置ROI的缺点,并且得到的ROI比肺实质区域要小很多,边界逼近真实肺结节边缘,面积重叠率也控制在有效范围内,减少了精细分割的区域面积,缩短了后续的分割时间。接着利用基于局部熵的活动轮廓模型(RCV)实现对肺结节的精细分割,将前一阶段自动获取的ROI作为RCV模型的初始轮廓,避免了手动设置初始轮廓的烦恼,利用当前演化曲线内部区域和外部区域的灰度分布统计信息(局部熵)来自动调整能量模型中内部和外部能量项的权重参数,增加了算法的灵敏度和鲁棒性,使最终分割结果尽可能收敛到结节的真实边界,提高了分割的精确度。本文选取来自医院的临床数据和肺部影像数据库(LIDC,Lung Image Database Consortium)的270幅肺部CT图像作为实验数据库,利用基于面积的六个评价标准和基于距离的两个计量值来比较算法结果与医师手动圈画区域的差距,科学全面地评估算法的性能。同时也利用CV(Chan-Vese)模型、EACM模型、EACM-CV(Edge based Active Contour Model-Chan-Vese)模型在相同的数据库进行分割实验,并对这些方法的结果和本文方法的结果进行了比较。与这些方法相比,本文方法在分割中表现出了更好的精确度和鲁棒性,分割结果更接近于医生手工圈画的金标准,对后续的肺结节良恶性诊断和治疗方案设计具有重要的参考价值。