arXiv 1503.007582015-03-02math.OC

基于约束最优控制的多形状配准

Multiple Shape Registration using Constrained Optimal Control

Sylvain Arguillère, Emmanuel Trélat, Alain Trouvé, Laurent Younes

摘要：

拉格朗日粒子制剂的大变形几何度量映射算法（LDDMM）只允许研究一个单一的形状。在本文中，我们介绍并讨论了同时研究多个形状的理论和实践设置，这些形状要么彼此缝合，要么沿着子流形滑动。该方法描述内的最优控制形式主义，并给出了最优性条件，连同方程，需要实施增广拉格朗日方法。缝合和滑动表面的实验结果。

英文摘要：

Lagrangian particle formulations of the large deformation diffeomorphic metric mapping algorithm (LDDMM) only allow for the study of a single shape. In this paper, we introduce and discuss both a theoretical and practical setting for the simultaneous study of multiple shapes that are either stitched to one another or slide along a submanifold. The method is described within the optimal control formalism, and optimality conditions are given, together with the equations that are needed to implement augmented Lagrangian methods. Experimental results are provided for stitched and sliding surfaces.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

一种基于偏微分方程的形状配准方法

A PDE-based Method for Shape Registration

在平方根速度框架中，形状空间距离的计算和曲线的配准需要解决非凸变分问题。在本文中，我们提出了一个新的偏微分方程为基础的方法来解决这个问题的数值。该方法由变分问题的Hamilton-Jacobi-Bellman方程的数值逼近构造而成，具有二次复杂性和距离估计的整体收敛.结合，我们提出了一个回溯方案，近似的解决方案的注册问题，这也可以用来计算形状空间测地线。该方法具有线性数值收敛性，并提高了效率相比，以前的全球解决方案。

2021-03-30cs.NAmath.APmath.NA

具有萎缩约束的LDDMM表面配准

LDDMM Surface Registration with Atrophy Constraints

自大变形几何度量映射（LDDMM）算法发展以来，在几何同态群和形状空间上使用最优控制的几何配准已变得广泛使用。最近，已经引入了一系列涉及次黎曼约束的算法，其中根据特定的变形模型来约束控制LDDMM框架中的形状的速度场。在这里，我们通过考虑，第一次，不等式约束，以估计表面变形，只允许萎缩，为此目的引入一个算法，使用增广拉格朗日方法。我们还提供了一个版本的方法，使用一个较弱的约束，其中只有总体积被迫减少。大脑数据的数值实验说明了这些发展。

2015-03-02math.OC

精确质量保持的弹性图像配准

Elastic image registration with exact mass preservation

我们建立了一个新的框架，图像配准，这是基于线弹性和最优质量输运理论。我们结合这两个参数，以获得一个PDE约束最优化问题，分析研究和进一步离散的有限差分法和解决的不精确SQP算法。这需要在每一步中求解具有鞍点形式的大型稀疏线性系。出于稳定性的论点，我们使用一个完全交错网格的位移向量场的离散化。人工和现实世界的例子强调的数值鲁棒性的方法。

2016-09-13math.OC

基于约束$H^1$ -正则化方法的同构图像配准

Constrained $H^1$-regularization schemes for diffeomorphic image registration

The Institute for Computational Engineering and Sciences, The University of Texas at Austin（德克萨斯大学奥斯汀分校计算工程与科学研究所）

我们提出了正则化方案的变形登记和有效的算法，其数值逼近。我们把图像配准作为一个变分最优控制问题。变形图由其速度参数化。Tikhonov正则化确保适定性。我们的计划增加了标准的光滑正则化算子的基础上$H^1$ -和$H^2$ -规范的速度场，这类似于斯托克斯不可压缩流的变分制剂的发散的约束。在我们的公式中，我们反演了一个稳定的速度场和一个质量源映射。这使我们能够显式地控制变形图的可压缩性，并通过该可压缩性来控制变形梯度的决定因素。我们还介绍了一个新的正则化方案，使我们能够控制剪切。我们使用一个全球化的，预处理，矩阵自由，减少空间（高斯-）牛顿-Krylov计划的数值优化。我们利用变量消除技术，以减少我们的系统的未知数的数量，我们只在约化空间的速度场。我们目前的实现仅限于二维情况。数值实验表明，我们可以控制变形梯度的行列式，而不影响配准质量。这个额外的控制允许我们避免变形贴图的过度平滑。我们还表明，我们可以促进或惩罚剪切，同时控制变形梯度的决定因素。

2016-09-07cs.CVmath.OC

基于半拉格朗日两层预处理Newton-Krylov算法的约束同构图像配准

A Semi-Lagrangian two-level preconditioned Newton-Krylov solver for constrained diffeomorphic image registration

The Institute for Computational Engineering and Sciences, The University of Texas at Austin（得克萨斯大学奥斯汀分校计算工程与科学研究所）；Department of Mathematics at the University of Houston（休斯顿大学数学系）

本文提出了一种有效的数值算法来解决非纯图像配准问题。我们使用一个变分公式约束的偏微分方程（PDE），其中的约束是一个标量输运方程。我们使用一个伪谱离散空间和二阶精度的半拉格朗日时间步进格式的输运方程。我们解决了一个固定的速度场使用预处理，全球化，无矩阵的牛顿-克雷洛夫计划。我们提出并测试了一个两级Hessian预条件子。我们考虑两种策略，用于反演粗网格上的预条件：嵌套预条件共轭梯度法（精确求解）和嵌套Chebyshev迭代法（不精确求解）与固定的迭代次数。我们测试我们的求解器在不同的合成和现实世界的二维应用场景的性能。我们研究了新格式的网格收敛性和计算效率。我们比较我们的求解器的性能对我们的初始实现，使用相同的空间离散化，但一个标准的，明确的，二阶龙格-库塔格式的数值时间积分的输运方程和单级预处理。我们的改进方案提供了显着的加速比我们原来的实现。作为一个亮点，我们观察到一个20 $\times$加速二维，现实世界的多学科医学图像配准问题。

2018-02-28cs.CVmath.OC

CLAIRE：一种约束大变形同构图像配准的分布式内存求解器

CLAIRE: A distributed-memory solver for constrained large deformation diffeomorphic image registration

University of Houston（休斯顿大学）；University of California, Berkeley（加州大学伯克利分校）；University of Pennsylvania（宾夕法尼亚大学）；University of Texas at Austin（德克萨斯大学奥斯汀分校）

有了这项工作，我们发布CLAIRE，一个有效的求解器约束大变形同构图像配准问题的三维分布式内存实现。我们考虑一个最优控制公式。我们反演一个固定的速度场，参数化的变形地图。我们的求解器是基于一个全球化的，预处理的，不精确的减少空间高斯-牛顿-克雷洛夫计划。我们利用科学计算中最先进的技术来开发一个有效的求解器，可以扩展到高端集群上的数千个分布式内存节点。我们提出的配方，讨论算法的特点，描述的软件包，并介绍了一个改进的预处理器的减少空间海森，以加快我们的求解器的收敛。我们在合成数据和真实数据上测试配准性能。我们在几个神经成像数据集上证明了配准精度。我们比较了我们的计划对不同口味的恶魔算法的非纯图像配准的性能。我们研究我们的预条件和我们的整体算法的收敛性。我们报告了最先进的超级计算平台上的可扩展性结果。我们证明，我们可以解决临床相关的数据大小在两到四分钟内在一个标准的计算节点与20个核心，实现出色的数据保真度的配准问题。与目前的工作，我们实现了加速（平均）5 $\times$的峰值性能高达17 $\times$相比，我们以前的工作。

2019-12-09cs.CVcs.DCcs.NA

更多相关论文收起更多论文

变倍空间中的数字化、量子化和配准

Metrics, quantization and registration in varifold spaces

本文研究变分折叠的理论及其在形状表示、逼近和几何配准中的应用。它的目的之一是综合和扩展几个先前的作品，到目前为止，主要是在子流形的比较和匹配的情况下，利用这个框架。在这项工作中，我们反而考虑变形模型作用于一般的变倍空间，这允许制定和解决更广泛的一类几何对象的非同构配准问题，并导致一个更通用的算法管道。本文详细研究了变倍空间上核度量的构造及其拓扑性质，并在最优控制理论的框架下，提出了变倍空间在特定群作用下的同构配准的数学模型.本文的第二个重要部分侧重于离散方面。具体来说，我们解决了这些度量的最佳有限逼近（量化）问题，并显示了相应配准泛函的$Γ$收敛性质。最后，我们开发了用于量化和配准的数值管道，然后展示了一维和二维变倍的一些初步结果。

2020-11-13math.OC

基于最优控制的曲线曲面度量配准

Metric Registration of Curves and Surfaces using Optimal Control

本文介绍了最近的发展，如曲线和曲面的形状分析，通过黎曼度量的概述。我们表明，几个建设的度量空间的子流形可以统一通过棱镜的黎曼淹没，形状空间的度量被诱导定义在顶部空间的度量。计算所得的黎曼距离涉及解决具有边界条件的测地线匹配问题。为了有效地处理这样的变分问题，人们可以依靠一个辅助家庭的“弦”的距离，以简化处理的边界条件，我们使用来拿出一个宽松的不精确的配方匹配问题。这也允许将形状匹配转化为最优控制问题，并给出了一个通用的框架来解决它们在实践中。然后，我们指定我们的分析的情况下，使用不变的Sobolev度量参数化浸入，外部形状度量诱导的度量周围空间的同构群，最后一个最近的混合模型，结合这两种方法定义的内在形状度量。

2018-09-17math.DGmath.OC

一种新的带部分匹配约束的形状图配准变分模型

A new variational model for shape graph registration with partial matching constraints

本文提出一种基于加权形状图和变分公式的新模型，利用 varifold 松弛精确匹配约束并结合 TV 正则化与 SFISTA 算法，解决拓扑不一致和部分匹配约束下的形状图配准问题。

2021-11-04math.DGmath.OC

一种非精确Newton-Krylov约束同构图像配准算法

An inexact Newton-Krylov algorithm for constrained diffeomorphic image registration

The University of Texas at Austin（德克萨斯大学奥斯汀分校）

我们提出了解决大变形几何图像配准问题的数值算法。我们将非刚性图像配准问题转化为一个最优控制问题。这导致了一个无限维偏微分方程（PDE）约束的最优化问题。PDE约束，在其最简单的形式，一个双曲传输方程的图像强度的演变。控制变量是速度场。控制上的Tikhonov正则化确保适定性。我们考虑基于$H^1$ -或$H^2$ -范数的标准平滑正则化。我们增加了这个正则化方案的速度场的发散性的约束，使变形不可压缩，从而确保变形梯度的行列式等于一，直到数值误差。我们使用傅立叶伪谱离散空间和切比雪夫伪谱离散时间。我们使用预处理，全球化，矩阵自由，不精确的牛顿-克雷洛夫方法进行数值优化。设计了一种参数延拓方法来估计最优正则化参数。通过控制变形场的几何特性来确保规则性。总的来说，我们得到了一个黑盒解决方案。我们研究了Hessian格式的谱性质、网格收敛性、数值精度、计算效率和变形规律。我们比较设计的牛顿-克雷洛夫方法与全球化的预条件梯度下降。我们研究了不同数量的未知量的影响。报告的结果表明，优良的数值精度，保证局部变形规律，和计算效率与局部质量守恒的可选控制。如果需要高精度的反演，Newton-Krylov方法明显优于Picard方法。

2015-05-07cs.CVcs.NAmath.NA

用于形状分析中解耦变形的基于变流形的得分

A Varifold-Based Score for Decoupling Deformations in Shape Analysis

Université Paris Cité（巴黎西岱大学）；Sorbonne Université（索邦大学）

本研究针对计算解剖学中配准时高维变形吸收低维分量的问题，提出基于变流形一阶变分的耦合得分，将其作为惩罚项用于配准，可解耦变形并在数值实验中展现出良好效果。

2026-07-31math.DGmath.OC

离散几何分布的同构配准

Diffeomorphic registration of discrete geometric distributions

本文提出了一种新的框架和算法，以解决一般类的几何对象，可以描述为局部方向向量的离散分布的同构配准问题。它建立在大变形几何度量映射（LDDMM）模型和以前的作品中引入的定向变倍概念（如[Kaltenmark 2017]）的基础上。不同于以往的方法，其中varifold表示仅用作代理定义和评估保真度条款，本文的特点是推导出直接的变形模型和相应的匹配算法离散varifolds。我们表明，它一方面提供了一个替代的数值设置曲线和曲面匹配，但它也可以有效地处理更一般的形状结构，包括多方向的对象或多模态图像表示为单位梯度向量的分布。

2018-02-13math.CAmath.OC

带限向量场参数化的有效Gauss-Newton-Krylov动量守恒约束PDE-LDDMM

Efficient Gauss-Newton-Krylov momentum conservation constrained PDE-LDDMM using the band-limited vector field parameterization

Aragon Institute on Engineering Research（阿拉贡工程研究所）；University of Zaragoza（萨拉戈萨大学）

在偏微分方程约束的大变形非纯度量映射框架下提出的一类非刚性配准方法是一类特别有趣的物理意义非纯配准方法。PDE约束LDDMM方法被配制成约束变分问题，其中不同的物理模型施加使用相关的偏微分方程作为硬约束。非精确Newton-Krylov优化在此框架下表现出优异的数值精度和极快的收敛速度。然而，非定常速度场的Galerkin表示不能提供适当的测地线路径。在以前的工作中，我们提出了一种方法的PDE约束LDDMM参数化的初始速度场的空间下的EPDiff方程。该方法在PDE约束的LDDMM框架下提供了测地线，并表现出与基准PDE约束的LDDMM和EPDiff-LDDMM方法相竞争的性能。然而，这种方法的主要缺点是偏微分方程约束LDDMM方法固有的大内存负载和相对于基准方法的计算时间增加。在这项工作中，我们优化的计算复杂性的方法使用带限向量场参数化关闭循环与我们以前的作品。

2018-07-27cs.LGmath.OCstat.ML

基于神经网络伴随方法实时的弹性局部形状匹配

Real-time elastic partial shape matching using a neural network-based adjoint method

Inria（法国国家信息与自动化研究所）

由于缺乏物理策略，表面匹配通常会产生显著的变形，从而导致结构失效。在这种背景下，非线性变形体的部分表面匹配在工程中至关重要，以控制结构变形。在这篇文章中，我们建议制定的注册问题作为一个最优控制问题，使用人工神经网络，其中未知的是表面力分布，适用于对象和使用超弹性模型计算得到的变形。使用伴随方法解决优化问题，其中超弹性问题使用前馈神经网络解决，并且伴随问题通过网络的反向传播获得。我们的过程提高了多个数量级的计算速度，同时提供可接受的配准误差。

2023-03-16cs.AImath.OC

基于线性双曲传输方程最优控制与DG离散的医学图像配准

Medical Image Registration using optimal control of a linear hyperbolic transport equation with a DG discretization

本文提出一种基于线性双曲传输方程最优控制和间断伽辽金离散的医学图像配准方法，利用FEniCS实现从模板网格生成患者特异性脑网格，并通过两例MRI配准实验验证其在保持网格质量方面的有效性。

2024-04-09cs.NAmath.NAmath.OC