摘要
本发明涉及图像处理技术领域,公开了一种医学图像超分辨率重建方法及系统,方法包括:构建包括高分辨率图像及对应低分辨率图像对的多模态医学图像数据集;采用频域分析和混合高斯模型对器官结构及噪声特征进行解耦建模,建立多模态器官模板库;对输入图像进行器官识别和频域特征匹配,从多模态器官模板库中检索最优的噪声先验;在扩散模型的反向去噪过程中注入噪声先验引导项,实现解剖结构自适应的超分辨率图像重建。本发明通过多模态数据驱动、频域统计建模与扩散模型的深度融合,实现了医学图像从噪声解耦到结构自适应超分辨率图像重建的全流程优化,提升了医学图像超分辨率重建的精度、效率和鲁棒性,适用于临床真实复杂的场景。
技术关键词
噪声先验
医学图像数据集
混合高斯模型
噪声特征
超分辨率图像重建
多模态
频域特征
模板
图像超分辨率重建
噪声预测
退化模型
协方差矩阵
加权损失函数
计算机