1.一种肺部CT影像自适应增强方法，其特征在于，该方法包括以下步骤：获取待处理的肺部CT影像中的肺部区域；

对肺部区域内每个像素点与其邻域内像素点的灰度变化情况进行分析，确定每个像素点的灰度变化趋势矢量和每个像素点的延伸评价值；根据肺部区域内每个像素点在其灰度变化趋势矢量上与其预设最近邻内像素点的灰度变化趋势矢量的差异情况，获得每个像素点为血管像素点的可能性指标；

结合所述延伸评价值、所述可能性指标和灰度值确定每个像素点属于血管的概率；基于肺部区域内每种灰度值对应的每个像素点的邻域内同一灰度值的像素点的数量确定每种灰度值的密集程度；

结合每种灰度值对应的每个像素点属于血管的概率和对应的所述密集程度对肺部区域增强获得增强后的肺部影像；

所述每个像素点的灰度变化趋势矢量的获取，包括：

对于候选像素点，分别计算候选像素点与其邻域内每个像素点之间的灰度差值，基于所述灰度差值的符号确定特征向量的方向，基于所述灰度差值的绝对值为特征向量的大小，获得邻域内每个像素点的特征向量；

综合候选像素点邻域内所有像素点的特征向量的分布确定候选像素点的灰度变化趋势矢量；所述候选像素点为肺部区域内的任意一个像素点；

所述像素点的延伸评价值，包括：

对于候选像素点：

将候选像素点的灰度变化趋势矢量的垂直方向上过候选像素点的直线，且与候选像素点距离最近的两个像素点，记为候选像素点的特征点；将候选像素点的八邻域内除特征点外的像素点记为候选像素点的参考点；

根据候选像素点与其特征点之间的灰度差异、候选像素点及其特征点与参考点之间的灰度差异，获得候选像素点的延伸评价值；

其特征在于，采用如下公式计算第i个像素点的延伸评价值：其中，

所述根据肺部区域内每个像素点在其灰度变化趋势矢量上与其预设最近邻内像素点的灰度变化趋势矢量的差异情况，获得每个像素点为血管像素点的可能性指标，包括：根据候选像素点在其灰度变化趋势矢量上与其预设最近邻内像素点的灰度变化趋势矢量的差异，获得候选像素点为血管像素点的可能性指标，所述灰度变化趋势矢量的差异与所述可能性指标呈负相关关系；

肺部区域内第i个像素点为血管像素点的可能性指标表示为：其中，

所述结合每种灰度值对应的每个像素点属于血管的概率和对应的所述密集程度对肺部区域增强获得增强后的肺部影像，包括：结合每种灰度值对应的所有像素点属于血管的概率和对应的密集程度，获得每种灰度值的增强系数，所述概率和所述密集程度均与所述增强系数呈正相关关系；

基于所述增强系数对肺部区域内每种灰度值进行增强获得增强后的肺部影像；

所述基于所述增强系数对肺部区域内每种灰度值进行增强获得增强后的肺部影像，包括：分别将肺部区域内每种灰度值与其增强系数的乘积记为每种灰度值的特征指标，将每种灰度值的特征指标与255中的最小值作为每种灰度值对应的目标灰度值；

利用目标灰度值替换原始灰度值获得增强后的肺部影像。

2.根据权利要求1所述的一种肺部CT影像自适应增强方法，其特征在于，所述结合所述延伸评价值、所述可能性指标和灰度值确定每个像素点属于血管的概率，包括：根据候选像素点的延伸评价值、可能性指标和候选像素点的灰度值，获得候选像素点属于血管的概率，所述延伸评价值、所述可能性指标和所述灰度值均与所述概率呈正相关关系。

3.根据权利要求1所述的一种肺部CT影像自适应增强方法，其特征在于，所述基于肺部区域内每种灰度值对应的每个像素点的邻域内同一灰度值的像素点的数量确定每种灰度值的密集程度，包括：对于候选灰度值，基于候选灰度值对应的每个像素点的邻域内候选灰度值的像素点的数量占比，确定候选灰度值的密集程度，所述数量占比与所述密集程度呈正相关关系；

所述候选灰度值为肺部区域内任意一种灰度值；

肺部区域内第j种灰度值的密集程度表示为：

其中，

4.根据权利要求1所述的一种肺部CT影像自适应增强方法，其特征在于，所述获取待处理的肺部CT影像中的肺部区域，包括：采用K-means聚类算法对待处理的肺部CT影像中的像素点划分为两类，结合每类像素点的灰度分布情况确定肺部区域。