CN118365531A - 一种基于大数据的肾脏图像处理方法及系统 - Google Patents

Abstract

本发明涉及大数据图像分析技术领域，具体公开了一种基于大数据的肾脏图像处理方法，其先基于大数据技术获取多个初始肾脏图像，然后对多个初始肾脏图像进行缩放、对齐和裁切处理，得到多个对齐图像，之后分析多个对齐图像中相同位置像素的灰度值的一致程度，得到修正权重图，根据修正权重图，对预处理图像进行基于拉普拉斯金字塔的图像增强处理，得到目标图像。相比于现有技术，本发明从大数据中分析初始肾脏图像，根据不同肾脏图像的一致程度，识别出肾脏中容易发生病变的位置，并建立能够体现这种病变概率的修正权重图，再利用修正权重图对目标肾脏图像进行有针对性的增强，提高了肾脏图像的质量。

Description

一种基于大数据的肾脏图像处理方法及系统

技术领域

本发明涉及大数据图像分析技术领域，具体涉及一种基于大数据的肾脏图像处理方法及系统。

背景技术

肾脏图像是通过医学影像设备获取的肾脏结构和功能信息的呈现。这些图像通常包括肾脏的断层扫描、超声波成像、磁共振成像等，能够显示肾脏的解剖结构、血管分布以及可能存在的病变情况。

在肾脏图像处理中，存在着对图像质量和信息准确性的高要求。首先，肾脏图像需要具有良好的分辨率，以清晰显示肾脏的微小结构和病变情况。其次，图像中应该尽可能减少噪音和伪影的干扰，确保医生能够准确地识别和分析肾脏的特征。此外，肾脏图像的获取过程中需要注意避免运动伪影和呼吸伪影等因素的影响，以保证图像的稳定性和准确性。

传统的肾脏影像诊断依赖于医生的视觉分析和经验判断，但在面对复杂病例和早期病变时存在一定的局限性,质量不佳的肾脏图像会极大程度地影响医生的判断。因此，如何对肾脏图像进行增强，是人们需要解决的一个问题。

发明内容

本发明的目的在于提供一种基于大数据的肾脏图像处理方法和系统，解决以下技术问题：

如何增强肾脏图像的质量。

本发明的目的可以通过以下技术方案实现：

一种基于大数据的肾脏图像处理方法，包括以下步骤：

基于大数据技术获取多个初始肾脏图像；

对多个初始肾脏图像进行缩放、对齐和裁切处理，得到多个对齐图像；

分析多个对齐图像中相同位置像素的灰度值的一致程度，得到修正权重图，修正权重图中每个像素对应的灰度值用于表征该位置的像素在进行修正时的修正力度；

获取目标肾脏图像，基于对齐图像对目标肾脏图像进行缩放、对齐和裁切处理，得到预处理图像；

根据修正权重图，对预处理图像进行基于拉普拉斯金字塔的图像增强处理，得到目标图像；

其中，分析多个对齐图像中相同位置像素的灰度值的一致程度，得到修正权重图，包括：

获取每个对齐图像中目标像素位置的像素的灰度值，得到第一灰度集；

获取每个对齐图像中目标像素位置邻域内的像素的平均灰度值，得到第二灰度集；

根据基准图像、第一灰度集的统计特征和第二灰度集的统计特征，得到目标像素位置的修正权重；

根据全部像素位置的修正权重，确定每个修正权重对应的灰度值并建立修正权重图。

作为本发明进一步的方案：所述对多个初始肾脏图像进行缩放、对齐和裁切处理，得到多个对齐图像，包括：

分别识别出每个初始肾脏图像中的肾脏结构特征点；

匹配多个初始肾脏图像中的肾脏结构特征点；

选择一个初始肾脏图像作为基准图像；

以基准图像为基准，基于多个不同初始肾脏图像中肾脏结构特征点的匹配关系，对多个初始肾脏图像进行缩放、对齐和裁切处理，得到多个对齐图像。

作为本发明进一步的方案：所述根据基准图像、第一灰度集的统计特征和第二灰度集的统计特征，得到目标像素位置的修正权重，包括：

；

其中，Wfix表示目标像素位置的修正权重，gray为目标像素位置在基准图像中的灰度值，e为自然常数，D()表示一个集合的方差，A()表示一个集合的平均数，X表示第一灰度集，Y表示第二灰度集，a、b、c和d分别为不同的权重系数。

作为本发明进一步的方案：所述根据修正权重图，对预处理图像进行基于拉普拉斯金字塔的图像增强处理，得到目标图像，包括：

对修正权重图进行下采样，得到由多个不同分辨率的权重高斯分解图构成的权重高斯金字塔；

对预处理图像进行下采样，得到由多个不同分辨率的预处理高斯分解图构成的预处理高斯金字塔，其中，预处理高斯金字塔和权重高斯金字塔中相同层的图像的分辨率相同；

对预处理高斯金字塔中的预处理高斯分解图进行上采样，并将上采样结果与分辨率相同的预处理高斯分解图做残差，得到由多个不同分辨率的拉普拉斯图构成的拉普拉斯金字塔，其中，拉普拉斯金字塔和预处理高斯金字塔中相同层的图像的分辨率相同；

基于权重高斯金字塔，融合预处理高斯金字塔和拉普拉斯金字塔，得到目标图像。

作为本发明进一步的方案：所述基于权重高斯金字塔，融合预处理高斯金字塔和拉普拉斯金字塔，得到目标图像，包括：

对预处理高斯金字塔顶层的预处理高斯分解图进行上采样，得到第一融合图；

获取预处理高斯金字塔中与第一融合图分辨率相同的预处理高斯分解图，作为第二融合图；

获取权重高斯金字塔中与第一融合图分辨率相同的权重高斯分解图，作为融合权重图；

获取拉普拉斯金字塔中与第一融合图分辨率相同的拉普拉斯图，作为边缘融合图；

基于融合权重图融合第一融合图、第二融合图和边缘融合图，得到第三融合图；

对第三融合图进行上采样处理，将上采样处理后的第三融合图作为新的第一融合图；

重复执行获取预处理高斯金字塔中与第一融合图分辨率相同的预处理高斯分解图，作为第二融合图，获取权重高斯金字塔中与第一融合图分辨率相同的权重高斯分解图，作为融合权重图，获取拉普拉斯金字塔中与第一融合图分辨率相同的拉普拉斯图，作为边缘融合图，基于融合权重图融合第一融合图、第二融合图和边缘融合图，得到第三融合图的步骤，直至第三融合图达到最大分辨率，将最终得到的第三融合图作为目标图像。

作为本发明进一步的方案：所述基于融合权重图融合第一融合图、第二融合图和边缘融合图，得到第三融合图，包括：

基于下式得到第三融合图中的一个像素的灰度值：

；

其中,i表示行，j表示列，p3i,j为第三融合图中第i行第j列的像素的灰度值，wi,j为融合权重图中第i行第j列的像素的灰度值对应的权重值，lapi,j为边缘融合图中第i行第j列的像素的灰度值，p2i,j为第二融合图中第i行第j列的像素的灰度值，p1i,j为第一融合图中第i行第j列的像素的灰度值。

本发明还提供一种基于大数据的肾脏图像处理系统，包括：

图像输入模块，用于基于大数据技术获取多个初始肾脏图像；

第一对齐模块，用于对多个初始肾脏图像进行缩放、对齐和裁切处理，得到多个对齐图像；

数据分析模块，用于分析多个对齐图像中相同位置像素的灰度值的一致程度，得到修正权重图，修正权重图中每个像素对应的灰度值用于表征该位置的像素在进行修正时的修正力度；

第二对齐模块，用于获取目标肾脏图像，基于对齐图像对目标肾脏图像进行缩放、对齐和裁切处理，得到预处理图像；

融合增强模块，用于根据修正权重图，对预处理图像进行基于拉普拉斯金字塔的图像增强处理，得到目标图像；

其中，分析多个对齐图像中相同位置像素的灰度值的一致程度，得到修正权重图，包括：

获取每个对齐图像中目标像素位置的像素的灰度值，得到第一灰度集；

获取每个对齐图像中目标像素位置邻域内的像素的平均灰度值，得到第二灰度集；

根据基准图像、第一灰度集的统计特征和第二灰度集的统计特征，得到目标像素位置的修正权重；

根据全部像素位置的修正权重，确定每个修正权重对应的灰度值并建立修正权重图。

本发明的有益效果：

本发明提供一种基于大数据的肾脏图像处理方法，其特征在于，其先基于大数据技术获取多个初始肾脏图像，然后对多个初始肾脏图像进行缩放、对齐和裁切处理，得到多个对齐图像，之后分析多个对齐图像中相同位置像素的灰度值的一致程度，得到修正权重图，再获取目标肾脏图像，基于对齐图像对目标肾脏图像进行缩放、对齐和裁切处理，得到预处理图像，最后根据修正权重图，对预处理图像进行基于拉普拉斯金字塔的图像增强处理，得到目标图像。相比于现有技术，本发明从大数据中分析初始肾脏图像，根据不同肾脏图像的一致程度，识别出肾脏中容易发生病变的位置，并建立能够体现这种病变概率的修正权重图，再利用修正权重图对目标肾脏图像进行有针对性的增强，一方面提高了图像在病变率高位置的可视质量，另一方面还防止了出现过度修正的问题，实现了对肾脏图像的质量增强。

附图说明

下面结合附图对本发明作进一步的说明。

图1是本发明基于大数据的肾脏图像处理方法的方法流程图；

图2为图1中步骤S103的方法流程图；

图3为图1中步骤S105的方法流程图；

图4为本发明提供的基于大数据的肾脏图像处理系统的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1，本发明为一种基于大数据的肾脏图像处理方法，包括以下步骤：

S101、基于大数据技术获取多个初始肾脏图像；

S102、对多个初始肾脏图像进行缩放、对齐和裁切处理，得到多个对齐图像；

S103、分析多个对齐图像中相同位置像素的灰度值的一致程度，得到修正权重图，修正权重图中每个像素对应的灰度值用于表征该位置的像素在进行修正时的修正力度；

S104、获取目标肾脏图像，基于对齐图像对目标肾脏图像进行缩放、对齐和裁切处理，得到预处理图像；

S105、根据修正权重图，对预处理图像进行基于拉普拉斯金字塔的图像增强处理，得到目标图像。

相比于现有技术，本发明从大数据中分析初始肾脏图像，根据不同肾脏图像的一致程度，识别出肾脏中容易发生病变的位置，并建立能够体现这种病变概率的修正权重图，再利用修正权重图对目标肾脏图像进行有针对性的增强，一方面提高了图像在病变率高位置的可视质量，另一方面还防止了出现过度修正的问题，实现了对肾脏图像的质量增强。

上述步骤S101、基于大数据技术获取多个初始肾脏图像，可以采用数据挖掘和医学影像数据库的方法。首先，可以利用数据挖掘技术从现有的医学影像数据库中提取大量的肾脏图像数据。这些数据库包括公共医学影像数据库、医院内部的影像存储系统以及科研机构的数据集等。其次，可以借助自然语言处理和机器学习算法对这些数据进行筛选和分类，从而获取具有代表性和多样性的肾脏图像样本，整理出同一角度，同一扫查位置的多个初始肾脏图像。最后，为了保证数据的质量和隐私安全，需要采取数据匿名化和权限控制等措施，确保数据的合法性和可信度。通过这些方法，可以有效地获取多个初始肾脏图像，为后续的处理提供可靠的数据支持。

进一步的，在一个优选的实施例中，上述步骤S102、对多个初始肾脏图像进行缩放、对齐和裁切处理，得到多个对齐图像，具体包括：

分别识别出每个初始肾脏图像中的肾脏结构特征点；

匹配多个初始肾脏图像中的肾脏结构特征点；

选择一个初始肾脏图像作为基准图像；

以基准图像为基准，基于多个不同初始肾脏图像中肾脏结构特征点的匹配关系，对多个初始肾脏图像进行缩放、对齐和裁切处理，得到多个对齐图像。

上述过程中，结构特征点检测可以采用如SIFT、SURF等任意现有的方式实现，肾脏结构特征点为肾脏中具有识别特征，能够用于图像定位调整的标志性的点位，可以为：

肾小管附近的点位：肾小管在图像中呈现特征性的排列方式，可以通过图像处理技术检测并用作特征点。

肾小体附近的点位：肾小体在肾脏的特定位置，其位置信息可以作为特征点，用于配准和对齐。

肾脏分割的边界点：肾脏与周围组织的分割边界可以提供重要的特征信息，有助于图像配准的准确性。

通过上述肾脏结构特征点位，便可以得到每个初始肾脏图像的变换方式，从而实现对齐。

进一步的，结合图2所示，在一个优选的实施例中，上述步骤S103、分析多个对齐图像中相同位置像素的灰度值的一致程度，得到修正权重图，具体包括：

S201、获取每个对齐图像中目标像素位置的像素的灰度值，得到第一灰度集；

S202、获取每个对齐图像中目标像素位置邻域内的像素的平均灰度值，得到第二灰度集；

S203、根据基准图像、第一灰度集的统计特征和第二灰度集的统计特征，得到目标像素位置的修正权重；

S204、根据全部像素位置的修正权重，确定每个修正权重对应的灰度值并建立修正权重图。

上述过程通过第一灰度集的统计特征来描述目标像素位置的像素分布规律，通过第二灰度集的统计特征来描述目标像素位置周围的像素的分布规律。这样，在计算修正权重时，不仅考虑目标像素本身的灰度的一致性，还考虑了其和周围像素的灰度变化关系，使得最终计算出的修正权重兼顾局部准确性和全局准确性。修正权重越大，表示该位置所在的局部位置在不同的对齐图像中灰度变化越大，该位置对应的肾脏部位发生病变的概率越高，后续在进行图像增强时，对该位置修正的力度就应当越大，以增强此处的清晰度和细节。

在一个优选的实施例中，上述步骤S203、根据权利要求3所述的基于大数据的肾脏图像处理方法，其特征在于，所述根据基准图像、第一灰度集的统计特征和第二灰度集的统计特征，得到目标像素位置的修正权重，包括：

；

其中，Wfix表示目标像素位置的修正权重，gray为目标像素位置在基准图像中的灰度值，e为自然常数，D()表示一个集合的方差，A()表示一个集合的平均数，X表示第一灰度集，Y表示第二灰度集，a、b、c和d分别为不同的权重系数。

上式的意义在于，计算修正权重时不仅考虑了第一灰度集和第二灰度集本身的统一程度，还考虑了第一灰度集和第二灰度集之间的差异，减弱了图像本身的亮暗程度的参差（可能是造影剂的影响）对修正权重的影响，使修正权重更加精确。

进一步的，上述步骤S104、获取目标肾脏图像，基于对齐图像对目标肾脏图像进行缩放、对齐和裁切处理，得到预处理图像的具体方式可以和步骤S102相同。

进一步的，结合图3所示，在一个优选的实施例中，上述步骤S105、根据修正权重图，对预处理图像进行基于拉普拉斯金字塔的图像增强处理，得到目标图像，具体包括：

S301、对修正权重图进行下采样，得到由多个不同分辨率的权重高斯分解图构成的权重高斯金字塔；

S302、对预处理图像进行下采样，得到由多个不同分辨率的预处理高斯分解图构成的预处理高斯金字塔，其中，预处理高斯金字塔和权重高斯金字塔中相同层的图像的分辨率相同；

S303、对预处理高斯金字塔中的预处理高斯分解图进行上采样，并将上采样结果与分辨率相同的预处理高斯分解图做残差，得到由多个不同分辨率的拉普拉斯图构成的拉普拉斯金字塔，其中，拉普拉斯金字塔和预处理高斯金字塔中相同层的图像的分辨率相同；

S304、基于权重高斯金字塔，融合预处理高斯金字塔和拉普拉斯金字塔，得到目标图像。

上述过程结合修正权重图，对预处理图像进行基于拉普拉斯金字塔的图像增强处理，使得预处理图像中肾脏可能发生病变的位置更加清晰，减少医生误判的概率。

具体地，在一个优选的实施例中，上述步骤S304、基于权重高斯金字塔，融合预处理高斯金字塔和拉普拉斯金字塔，得到目标图像，具体包括：

对预处理高斯金字塔顶层的预处理高斯分解图进行上采样，得到第一融合图；

获取预处理高斯金字塔中与第一融合图分辨率相同的预处理高斯分解图，作为第二融合图；

获取权重高斯金字塔中与第一融合图分辨率相同的权重高斯分解图，作为融合权重图；

获取拉普拉斯金字塔中与第一融合图分辨率相同的拉普拉斯图，作为边缘融合图；

基于融合权重图融合第一融合图、第二融合图和边缘融合图，得到第三融合图；

对第三融合图进行上采样处理，将上采样处理后的第三融合图作为新的第一融合图；

重复执行获取预处理高斯金字塔中与第一融合图分辨率相同的预处理高斯分解图，作为第二融合图，获取权重高斯金字塔中与第一融合图分辨率相同的权重高斯分解图，作为融合权重图，获取拉普拉斯金字塔中与第一融合图分辨率相同的拉普拉斯图，作为边缘融合图，基于融合权重图融合第一融合图、第二融合图和边缘融合图，得到第三融合图的步骤，直至第三融合图达到最大分辨率，将最终得到的第三融合图作为目标图像。

可以看出，上述过程实质上为对现有的基于拉普拉斯金字塔的图像增强方式的改进，一方面，在每一层进行图像融合时，本实施例均是融合了三张图片，即第一融合图、第二融合图和边缘融合图，其中第二融合图（即从预处理高斯金字塔中得到的原始的只经过下采样处理的图片）增加了图片融合的稳定性，减少了图像上采样时出现的图像细节的丢失。另一方面，本实施例通过融合权重图控制了不同图像在融合时影响的比重，防止出现过度修正的情况，避免在图像增强时重新产生噪音。

进一步的，在一个优选的实施例中，上述步骤：基于融合权重图融合第一融合图、第二融合图和边缘融合图，得到第三融合图，具体包括：

基于下式得到第三融合图中的一个像素的灰度值：

；

其中,i表示行，j表示列，p3i,j为第三融合图中第i行第j列的像素的灰度值，wi,j为融合权重图中第i行第j列的像素的灰度值对应的权重值，lapi,j为边缘融合图中第i行第j列的像素的灰度值，p2i,j为第二融合图中第i行第j列的像素的灰度值，p1i,j为第一融合图中第i行第j列的像素的灰度值。

上式的意义在于，在继续增强时，主要对肾脏图像的边缘进行修正，使其图像细节的轮廓更清晰，这在肾脏图像的分析领域内有重要意义，同时，上式降低了新得到的上采样图片（即新融合得到的图片）在融合时的比重，而增加了第二融合图像（即预处理高斯金字塔中的图像）在融合时的影响占比，使图片在尽可能保留最初的信息的基础上进行优化增强。

进一步的，结合图4所示，本发明还提供一种基于大数据的肾脏图像处理系统，包括：

图像输入模块410，用于基于大数据技术获取多个初始肾脏图像；

第一对齐模块420，用于对多个初始肾脏图像进行缩放、对齐和裁切处理，得到多个对齐图像；

数据分析模块430，用于分析多个对齐图像中相同位置像素的灰度值的一致程度，得到修正权重图，修正权重图中每个像素对应的灰度值用于表征该位置的像素在进行修正时的修正力度；

第二对齐模块440，用于获取目标肾脏图像，基于对齐图像对目标肾脏图像进行缩放、对齐和裁切处理，得到预处理图像；

融合增强模块450，用于根据修正权重图，对预处理图像进行基于拉普拉斯金字塔的图像增强处理，得到目标图像。

本发明提供一种基于大数据的肾脏图像处理方法，其特征在于，其先基于大数据技术获取多个初始肾脏图像，然后对多个初始肾脏图像进行缩放、对齐和裁切处理，得到多个对齐图像，之后分析多个对齐图像中相同位置像素的灰度值的一致程度，得到修正权重图，再获取目标肾脏图像，基于对齐图像对目标肾脏图像进行缩放、对齐和裁切处理，得到预处理图像，最后根据修正权重图，对预处理图像进行基于拉普拉斯金字塔的图像增强处理，得到目标图像。相比于现有技术，本发明从大数据中分析初始肾脏图像，根据不同肾脏图像的一致程度，识别出肾脏中容易发生病变的位置，并建立能够体现这种病变概率的修正权重图，再利用修正权重图对目标肾脏图像进行有针对性的增强，一方面提高了图像在病变率高位置的可视质量，另一方面还防止了出现过度修正的问题，实现了对肾脏图像的质量增强。

以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。

Claims (7)

1.一种基于大数据的肾脏图像处理方法，其特征在于，包括以下步骤：

基于大数据技术获取多个初始肾脏图像；

对多个初始肾脏图像进行缩放、对齐和裁切处理，得到多个对齐图像；

分析多个对齐图像中相同位置像素的灰度值的一致程度，得到修正权重图，修正权重图中每个像素对应的灰度值用于表征该位置的像素在进行修正时的修正力度；

获取目标肾脏图像，基于对齐图像对目标肾脏图像进行缩放、对齐和裁切处理，得到预处理图像；

根据修正权重图，对预处理图像进行基于拉普拉斯金字塔的图像增强处理，得到目标图像；

其中，分析多个对齐图像中相同位置像素的灰度值的一致程度，得到修正权重图，包括：

获取每个对齐图像中目标像素位置的像素的灰度值，得到第一灰度集；

获取每个对齐图像中目标像素位置邻域内的像素的平均灰度值，得到第二灰度集；

根据基准图像、第一灰度集的统计特征和第二灰度集的统计特征，得到目标像素位置的修正权重；

根据全部像素位置的修正权重，确定每个修正权重对应的灰度值并建立修正权重图。

2.根据权利要求1所述的基于大数据的肾脏图像处理方法，其特征在于，所述对多个初始肾脏图像进行缩放、对齐和裁切处理，得到多个对齐图像，包括：

分别识别出每个初始肾脏图像中的肾脏结构特征点；

匹配多个初始肾脏图像中的肾脏结构特征点；

选择一个初始肾脏图像作为基准图像；

以基准图像为基准，基于多个不同初始肾脏图像中肾脏结构特征点的匹配关系，对多个初始肾脏图像进行缩放、对齐和裁切处理，得到多个对齐图像。

3.根据权利要求2所述的基于大数据的肾脏图像处理方法，其特征在于，所述根据基准图像、第一灰度集的统计特征和第二灰度集的统计特征，得到目标像素位置的修正权重，包括：

；

其中，Wfix表示目标像素位置的修正权重，gray为目标像素位置在基准图像中的灰度值，e为自然常数，D()表示一个集合的方差，A()表示一个集合的平均数，X表示第一灰度集，Y表示第二灰度集，a、b、c和d分别为不同的权重系数。

4.根据权利要求1所述的基于大数据的肾脏图像处理方法，其特征在于，所述根据修正权重图，对预处理图像进行基于拉普拉斯金字塔的图像增强处理，得到目标图像，包括：

对修正权重图进行下采样，得到由多个不同分辨率的权重高斯分解图构成的权重高斯金字塔；

对预处理图像进行下采样，得到由多个不同分辨率的预处理高斯分解图构成的预处理高斯金字塔，其中，预处理高斯金字塔和权重高斯金字塔中相同层的图像的分辨率相同；

对预处理高斯金字塔中的预处理高斯分解图进行上采样，并将上采样结果与分辨率相同的预处理高斯分解图做残差，得到由多个不同分辨率的拉普拉斯图构成的拉普拉斯金字塔，其中，拉普拉斯金字塔和预处理高斯金字塔中相同层的图像的分辨率相同；

基于权重高斯金字塔，融合预处理高斯金字塔和拉普拉斯金字塔，得到目标图像。

5.根据权利要求4所述的基于大数据的肾脏图像处理方法，其特征在于，所述基于权重高斯金字塔，融合预处理高斯金字塔和拉普拉斯金字塔，得到目标图像，包括：

对预处理高斯金字塔顶层的预处理高斯分解图进行上采样，得到第一融合图；

获取预处理高斯金字塔中与第一融合图分辨率相同的预处理高斯分解图，作为第二融合图；

获取权重高斯金字塔中与第一融合图分辨率相同的权重高斯分解图，作为融合权重图；

获取拉普拉斯金字塔中与第一融合图分辨率相同的拉普拉斯图，作为边缘融合图；

基于融合权重图融合第一融合图、第二融合图和边缘融合图，得到第三融合图；

对第三融合图进行上采样处理，将上采样处理后的第三融合图作为新的第一融合图；

重复执行获取预处理高斯金字塔中与第一融合图分辨率相同的预处理高斯分解图，作为第二融合图，获取权重高斯金字塔中与第一融合图分辨率相同的权重高斯分解图，作为融合权重图，获取拉普拉斯金字塔中与第一融合图分辨率相同的拉普拉斯图，作为边缘融合图，基于融合权重图融合第一融合图、第二融合图和边缘融合图，得到第三融合图的步骤，直至第三融合图达到最大分辨率，将最终得到的第三融合图作为目标图像。

6.根据权利要求5所述的基于大数据的肾脏图像处理方法，其特征在于，所述基于融合权重图融合第一融合图、第二融合图和边缘融合图，得到第三融合图，包括：

基于下式得到第三融合图中的一个像素的灰度值：

；

其中,i表示行，j表示列，p3i,j为第三融合图中第i行第j列的像素的灰度值，wi,j为融合权重图中第i行第j列的像素的灰度值对应的权重值，lapi,j为边缘融合图中第i行第j列的像素的灰度值，p2i,j为第二融合图中第i行第j列的像素的灰度值，p1i,j为第一融合图中第i行第j列的像素的灰度值。

7.一种基于大数据的肾脏图像处理系统，其特征在于，包括：

图像输入模块，用于基于大数据技术获取多个初始肾脏图像；

第一对齐模块，用于对多个初始肾脏图像进行缩放、对齐和裁切处理，得到多个对齐图像；

数据分析模块，用于分析多个对齐图像中相同位置像素的灰度值的一致程度，得到修正权重图，修正权重图中每个像素对应的灰度值用于表征该位置的像素在进行修正时的修正力度；

第二对齐模块，用于获取目标肾脏图像，基于对齐图像对目标肾脏图像进行缩放、对齐和裁切处理，得到预处理图像；

融合增强模块，用于根据修正权重图，对预处理图像进行基于拉普拉斯金字塔的图像增强处理，得到目标图像；

分析多个对齐图像中相同位置像素的灰度值的一致程度，得到修正权重图，包括：

获取每个对齐图像中目标像素位置的像素的灰度值，得到第一灰度集；

获取每个对齐图像中目标像素位置邻域内的像素的平均灰度值，得到第二灰度集；

根据基准图像、第一灰度集的统计特征和第二灰度集的统计特征，得到目标像素位置的修正权重；

根据全部像素位置的修正权重，确定每个修正权重对应的灰度值并建立修正权重图。