张文莉，吕晓琪,2+，谷 宇,2，吴 凉，李 菁

(1.内蒙古科技大学 信息工程学院 内蒙古自治区模式识别与智能图像处理重点实验室，内蒙古 包头 014010；2.上海大学 计算机工程与科学学院，上海 200444)

0 引 言

目前，肺实质的分割方法[1,2]主要包括：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法、基于机器学习的分割方法、基于特定理论的分割方法等[3-8]。这些算法对非病变肺实质的分割效果较好，但在癌变的肺实质中，仅用一种传统的分割算法易产生过分割或欠分割的现象。目前，常采用多种算法融合或改进传统分割算法提高肺实质的分割精度。Dai S等[9]结合改进的图割算法和高斯混合模型以实现肺实质分割，该算法提取的肺癌病变肺实质存在病灶区域遗漏问题。龚敬等[10]提出一种灰度积分投影与模糊C均值聚类算法相结合的肺实质分割方法，该算法计算复杂度高，且分割结果与聚类中心的位置有关。目前，针对肺实质边界模糊提出的修补算法主要有数学形态学法、滚球法、滚圆法、曲率分析法、凸包法等[11-15]。但由于粘连肺壁的肿瘤会致使边界信息严重丢失，滚球法和滚圆法容易陷进缺陷区域，而达不到修补效果。凸包算法对肺边缘的修补精度较高，计算量较小，但无法修补血管型凹陷，受噪声影响较大。本文提出一种改进模糊C均值聚类算法对CT图像进行肺实质分割，然后用八方向的Freeman链码对肺实质的缺失边缘进行修补，该方法对肺实质边缘丢失，尤其是血管型凹陷有着很好的修补作用，且不易受噪声的影响。……