[发明专利]基于土壤CT图像的超分辨率重建方法及装置

权利要求书

1.基于土壤CT图像的超分辨率重建方法，其特征在于，包括：

获取原始高分辨率CT图像；

对所述原始高分辨率CT图像进行降采样处理，得到低分辨率CT序列图像；

将所述低分辨率CT序列图像输入序列图像生成器模型中，得到所述序列图像生成器模型输出的超分辨率重建图像；

其中，所述序列图像生成器模型是基于与鉴别器模型形成生成式对抗网络进行对抗训练得到的，所述鉴别器模型用于鉴别图像可信度；

所述序列图像生成器模型用于基于对所述低分辨率CT序列图像进行特征提取得到的序列信息，对所述原始高分辨率CT图像进行超分辨率重建；

所述对所述原始高分辨率CT图像进行降采样处理，得到低分辨率CT序列图像，包括：将所述原始高分辨率CT图像通过双三次插值降采样方法获得至少一张低分辨率CT图像，并将至少一张所述低分辨率CT图像合成所述低分辨率CT序列图像；

所述序列图像生成器模型包括序列卷积块，首尾残差连接块及两倍上采样块；所述序列卷积块包括两个子卷积块，所述首尾残差连接块包括至少一个残差块及首尾连接块；

所述将所述低分辨率CT序列图像输入序列图像生成器模型中，得到所述序列图像生成器模型输出的超分辨率重建图像，包括：

将所述低分辨率CT序列图像输入所述序列卷积块，得到序列信息融合图像；

所述将所述低分辨率CT序列图像输入所述序列卷积块，得到序列信息融合图像，包括：

将低分辨率CT序列图像中的目标图像及目标图像的上下两张图像输入其中一个所述子卷积块，对所述目标图像进行序列特征提取，得到序列特征图；

将所述序列特征图及目标图像的上下两张图像输入另一个所述子卷积块，得到三张图像序列特征融合的所述序列信息融合图像。

2.根据权利要求1所述的基于土壤CT图像的超分辨率重建方法，其特征在于，

所述将所述低分辨率CT序列图像输入序列图像生成器模型中，得到所述序列图像生成器模型输出的超分辨率重建图像，还包括：

将所述序列信息融合图像输入所述首尾残差连接块，得到特征提取图像；

将所述特征提取图像输入所述两倍上采样块，得到所述超分辨率重建图像。

3.根据权利要求2所述的基于土壤CT图像的超分辨率重建方法，其特征在于，所述将所述序列信息融合图像输入所述首尾残差连接块，得到特征提取图像，包括：

将所述序列信息融合图像依次经由所述至少一个残差块进行图像特征的提取，得到输出的图像特征；

将所述输出的图像特征与所述序列信息融合图像中的特征叠加后输入所述首尾连接块，输出所述特征提取图像。

4.根据权利要求2所述的基于土壤CT图像的超分辨率重建方法，其特征在于，所述将所述特征提取图像输入所述两倍上采样块，得到所述超分辨率重建图像，包括：将所述特征提取图像输入所述两倍上采样块进行两倍上采样，输出所述超分辨率重建图像；

其中，所述超分辨率重建图像的长宽分别为所述特征提取图像的长宽的2倍，所述超分辨率重建图像的分辨率为所述特征提取图像的分辨率的2倍。

5.根据权利要求1-4中任一项所述的基于土壤CT图像的超分辨率重建方法，其特征在于，所述序列图像生成器模型是基于与鉴别器模型形成生成式对抗网络进行对抗训练得到的，包括：

以所述超分辨率重建图像与原始高分辨率CT图像间的均方误差为损失函数，对所述序列图像生成器模型进行第一设定次数循环优化，使得序列图像生成器模型输出的超分辨率重建图像与原始高分辨率CT图像之间的图像相似度差值小于第一阈值；

以鉴别器模型输出可信度为损失函数对序列图像生成器模型与鉴别器模型交替进行第二设定次数循环优化，以使所述鉴别器输出的重建图像的可信度与原始高分辨率CT图像可信度差值小于第二阈值。