1.一种医疗CT图像的超分辨率识别方法,其特征在于,包括:
预先创建训练集以获取高分辨率字典、低分辨率字典和优化字典,并预先存储多个分类目标图像的局部特征,建立所述多个分类目标图像的局部特征库;
获取待处理的第一CT图像;
对所述第一CT图像进行放大预设倍数的上采样,获取所述第一CT图像对应的第一低分辨率图像;
提取所述第一低分辨率图像的低分辨率特征,并计算所述低分辨率特征在对偶稀疏模型下的稀疏系数;
根据所述低分辨率特征、稀疏系数、高分辨率字典,恢复相应的高分辨率特征;
根据所述高分辨率特征和所述第一低分辨率图像获得相应的第一高分辨率图像;
将获得的所述第一高分辨率图像的局部特征和所述局部特征库中的各分类目标图像的局部特征进行病理局部特征比对,输出比较结果。
2.根据权利要求1所述的方法,其特征在于,所述预先创建训练集以获取高分辨率字典、低分辨率字典和优化字典,包括:
获取CT分类图像集中预设类别的历史高分辨率CT图像;
对各所述历史高分辨率CT图像进行缩小所述预设倍数的下采样,再放大所述预设倍数的上采样,获取对应的历史低分辨率CT图像;
提取各所述历史高分辨率CT图像各自对应的高分辨率特征;
提取所述历史低分辨率CT图像中的低分辨率特征;
根据所述历史高分辨率CT图像的高分辨率特征和对应的历史低分辨率CT图像的低分辨率特征分别进行训练,得到所述高分辨率字典、低分辨率字典和优化字典。
3.根据权利要求2所述的方法,其特征在于,所述提取各所述历史高分辨率CT图像各自对应的高分辨率特征,包括:
提取第N个库中的历史高分辨率CT图像的高分辨率CT图像块YNH;
提取所述第N个库中的历史低分辨率CT图像的低分辨率CT图像块YNL,其中,所述低分辨率CT图像块YNL在所述历史低分辨率CT图像中的位置和所述高分辨率CT图像YNH块在所述历史高分辨率CT图像中的位置相对应;
计算第N个库中的历史高分辨率CT图像的高分辨率特征SNH:
SNH=YNH-YNL。
4.根据权利要求3所述的方法,其特征在于,所述提取所述历史低分辨率CT图像中的低分辨率特征,包括:
计算所述第N个库中的历史低分辨率CT图像的低分辨率特征SNL:
其中,x和y分别表示水平和垂直方向。
5.根据权利要求4所述的方法,其特征在于,所述根据所述历史高分辨率CT图像的高分辨率特征和对应的历史低分辨率CT图像的低分辨率特征分别进行训练,得到所述高分辨率字典、低分辨率字典和优化字典,包括:
根据式和
m=1,...,d,获取第N个库的高分辨率字典DNH和低分辨率字典DNL;
其中,DN=[DNH:DNL],
表示第N个库的第i个高分辨率特征,
表示第N个库的第i个低分辨率特征,ti为稀疏系数,γ为常数,
表示L2范数的平方,||ti||1表示L1范数,DN(:,m)表示第N个库的字典中的第m个字典基dm,
为第N个库的第i个高/低分辨率特征对,DN为第N个库的高/低分辨率字典对;
训练计算所述优化字典:其中,函数P()为稀疏度评价函数,ΦN为所述优化字典。
6.根据权利要求5所述的方法,其特征在于,所述计算所述低分辨率特征在对偶稀疏模型下的稀疏系数,为:
其中,γ1和γ2为调节系数,为所述第一CT图像的低分辨率特征。
7.根据权利要求6所述的方法,其特征在于,所述根据所述低分辨率特征、稀疏系数、高分辨率字典,恢复相应的高分辨率特征,为:
其中,
为所述第一CT图像的高分辨率特征。
8.根据权利要求1至7任一项所述的方法,其特征在于,所述根据所述高分辨率特征和所述第一低分辨率图像获得相应的第一高分辨率图像,包括:
根据所述第一CT图像的高分辨率特征和所述第一低分辨率图像的图像块获得对应的高分辨率图像块;
将所有的所述高分辨率图像块进行融合,获得所述第一高分辨率图像。
9.根据权利要求8所述的方法,其特征在于,所述将获得的所述第一高分辨率图像的局部特征和所述局部特征库中的各分类目标图像的局部特征进行病理局部特征比对,输出比较结果,包括:
采用动态边缘分析法获得所述第一高分辨率图像对应的二进制边缘图像;
对所述二进制边缘图像进行分析识别,获取对应的第一高分辨率图像的局部特征;
通过局部特征模板对所述第一高分辨率图像的局部特征和所述局部特征库中的各分类目标图像的局部特征进行病理局部特征比对,匹配出和所述第一高分辨率图像的局部特征最为相似的病理局部特征;
输出匹配的结果。