三维显微图像配准是构建模式生物大脑神经元图谱的关键使能技术之一,然而一些模式生物在特定发育阶段或部分神经系统中普遍存在的关节形变使得现有配准系统不再适用或不能取得满意的配准结果,这极大限制了神经元发育图谱的构建及相关的高通量神经环路系统化研究。在前期研究中,我们将点集间匹配的聚类实现模型成功扩展到点集到图像的匹配,并证实,该聚类实现可在获得邻域及先验信息更加高效利用的同时极大提高匹配过程对初始化和噪声的鲁棒性。本申请在前期基础上进一步深化创新,将该聚类实现思想扩展到关节形变图像的全局及局部柔性配准问题,研究全局配准中关节形变模式到图像匹配的鲁棒聚类实现,探讨图像局部配准的像素/区域到像素/区域双向聚类实现机制,同时构建更加有效的关节形变描述模型,最终实现高效、鲁棒和准确的关节形变配准系统。该研究成果将为神经环路研究及脑发育图谱构建提供有力支撑,同时可能为一般性的图像配准开辟一条新路。
英文主题词Image registration;articulated deformation;neuron classification;sparse representation;feature matching