低剂量CT肺部筛查是发现早期肺癌的重要手段。其中，肺间裂是肺叶的边界，对肺间裂的准确提取，有利于后续的图像配准、三维重建等。论文在分析、总结国内外现有医学影像分割方法的基础上，对基于Retinex理论的影像增强技术和基于random-walker理论的图像分割技术进行了深入的研究，针对低剂量肺部CT影像中肺间裂提取所遇到的具体问题，提出了相应的改进算法。本文主要工作如下：　　1)本文在研究了肺部CT影像的成像特点及现有的中心/环绕Retinex理论在影像增强应用中的可能性和局限性后，提出了一种基于多尺度Retinex的LDCT影像增强算法，对图像数据进行了预处理。在Matlab平台下对算法进行了实验分析，结果表明该算法降低了多尺度Retinex增强算法的计算复杂度，在改善CT影像整体视觉效果的同时有效地改善了肺间裂的解剖结构细节，能够满足临床医学诊断的应用及后续处理的需求。　　2)针对random-walker算法的“弱边界”问题，本文提出了一种基于random-walker的LDCT影像肺间裂提取方法。考虑到仅仅从灰度上划分前景背景欠缺准确性，算法加入了空间信息的权重。分割结果结合canny算子得到的强边缘进行修正，并利用数学形态学的闭操作弥补断裂，最后得到单像素的肺间裂。Matlab平台下对算法进行了仿真，结果表明该算法效果良好，弱边界问题得到很好的解决。