图像注册

图像注册是将不同的数据集转化为一个坐标系的过程。数据可能是多张照片，来自不同传感器、时间、深度或视点的数据。为了能够比较或整合从这些不同测量获得的数据，注册是必要的。

基于强度的与基于特征的图像登记或图像对齐算法可分为基于强度的和基于特征的。其中一个图像被称为移动或源，其他图像被称为目标、固定或感应的图像。图像配准包括对源/移动图像进行空间转换，以与目标图像对齐。目标图像的参考框架是静止的，而其他数据集则被转换为与目标相匹配。基于强度的方法通过相关度量比较图像中的强度模式，而基于特征的方法则寻找图像特征之间的对应关系，如点、线和轮廓等。基于强度的方法注册整个图像或子图像。如果注册了子图像，相应的子图像的中心被视为相应的特征点。基于特征的方法在图像中一些特别明显的点之间建立了对应关系。知道了图像中若干点之间的对应关系，就可以确定一个几何变换，将目标图像映射到参考图像，从而在参考图像和目标图像之间建立逐点对应关系。基于强度的信息和基于特征的信息相结合的方法也已经被开发出来。

图像配准算法也可以根据它们用来连接目标图像空间和参考图像空间的变换模型来分类。xxx大类变换模型包括线性变换，其中包括旋转、缩放、平移和其他仿射变换。线性变换是全局性的，因此，它们不能为图像之间的局部几何差异建模。第二类变换允许"弹性"或"非刚性"变换。这些变换能够对目标图像进行局部扭曲以与参考图像对齐。非刚性变换包括径向基函数（薄板或表面花键、多四边形和紧凑支持的变换）、物理连续体模型（粘性流体）和大变形模型（Diffeomorphisms）。变换通常由参数化描述，其中模型决定了参数的数量。例如，一个完整图像的平移可以用一个参数，即平移矢量来描述。这些模型被称为参数化模型。另一方面，非参数模型不遵循任何参数化，允许每个图像元素任意位移。有一些程序同时实现了对经纬仪的估计和应用。它是SPM和AIR程序的一部分。

另外，许多先进的空间归一化方法是建立在保留结构的变换上的，即同形变换和差形变换，因为它们在变换过程中平稳地携带光滑的子模。在现代计算解剖学领域中，差异形态是在流动的基础上产生的，因为差异形态虽然形成了一个群，但不是加法，而是在函数组成规律下的群。由于这个原因，概括了加性群思想的流允许生成保留拓扑结构的大变形，提供1-1和to-to变换。

产生这种变换的计算方法通常被称为LDDMM，它提供了差分形态流，作为连接与计算解剖学的测地流相对应的坐标系的主要计算工具。有许多程序通过差形映射生成坐标的差形变换，包括MRIStudio和MRICloud.org。

空间方法在图像领域操作，匹配图像中的强度模式或特征。一些特征匹配算法是传统的手工图像配准技术的产物，操作者在图像中选择相应的控制点（CP）。当控制点的数量超过定义适当的变换模型所需的最小值时，像RANSAC这样的迭代算法可用于稳健地估计特定变换类型（如仿生）的参数，以便对图像进行登记。