[发明专利]基于土壤CT图像的超分辨率重建方法及装置

说明书

本发明提供一种基于土壤CT图像的超分辨率重建方法及装置，包括：获取原始高分辨率CT图像；对原始高分辨率CT图像进行降采样处理，得到低分辨率CT序列图像；将低分辨率CT序列图像输入序列图像生成器模型中，得到序列图像生成器模型输出的超分辨率重建图像；其中，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，鉴别器模型用于鉴别图像可信度。通过基于深度学习神经网络的序列图像生成器模型对土壤CT图像超分辨率重建解决了土壤CT图像清晰度低和孔隙边界模糊的问题，为土壤形态学研究提供了清晰可靠的数据。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于土壤CT图像的超分辨率重建方法及装置。

背景技术

目前应用于CT图像的超分辨率重建方法主要包括三维凸集投影法、三维高频修正A+法等。现有技术中土壤CT图像存在清晰度低和孔隙边界模糊等问题，且尚未存在将超分辨率重建方法应用于土壤CT图像方面的研究。

传统超分辨率方法存在超分辨率重建图像清晰度较低，需要手动确定模型参数等问题。其中三维凸集投影法需要手动确定修正阈值，不能实现图像自适应超分辨率重建；三维高频修正A+法仅考虑稀疏解，容易导致图像重建时丢失细节，且超分辨率重建图像质量受主观性影响。

因此，研究一种基于深度学习的土壤CT图像超分辨率重建方法成为亟待解决的问题。

发明内容

本发明提供一种基于土壤CT图像的超分辨率重建方法及装置，用以解决现有技术中的土壤CT图像清晰度低和孔隙边界模糊的缺陷，实现能结合图像序列信息的基于深度学习的土壤CT图像超分辨率方法。

第一方面，本发明提供一种基于土壤CT图像的超分辨率重建方法，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。

根据本发明提供的一种基于土壤CT图像的超分辨率重建方法，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。

根据本发明提供的一种基于土壤CT图像的超分辨率重建方法，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；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。

根据本发明提供的一种基于土壤CT图像的超分辨率重建方法，所述序列卷积块包括两个子卷积块，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。

根据本发明提供的一种基于土壤CT图像的超分辨率重建方法，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。