80、图像时间序列的测地回归

图像时间序列的测地回归

1. 引言

图像时间序列分析在研究大脑发育、衰老过程或肿瘤生长等方面具有重要意义。当全局测量不足以进行分析时，建立图像对应关系并定位变化至关重要。过去几十年，图像对之间的配准研究广泛，但对图像群体的研究相对较新。目前，图像时间序列的配准方法有多种，如串联图像对之间的配准、求解联合估计问题得到分段测地路径、基于核的局部平均，以及在联合估计中增加额外的时间不规则性惩罚。

本文提出一种生成模型，将最小二乘线性回归扩展到图像空间，采用二阶动态公式进行图像配准。该方法具有以下优点：
- 是生成式的，通过初始图像和动量描述完整的时间轨迹。
- 允许基于初始动量集对时间序列进行紧凑的统计分析。
- 为图像时间序列设计近似算法提供了可能性。
- 能够处理时间上的非均匀采样。

2. 最小二乘直线拟合的动态公式

从最优控制的角度考虑最小二乘线性回归。设 ${y_i}$ 是在时间点 ${t_i}$（不一定不同）的一组 $M$ 个测量值，动态系统为 $\dot{x} 1 = x_2$；$\dot{x}_2 = 0$，其中状态分别表示 $y$ 截距和斜率。目标是找到初始条件 $x_1(t_0)$，$x_2(t_0)$，使能量函数 $E$ 最小化：
[
E = \int {t_0}^{t_{M - 1}} \lambda_1(\dot{x} 1 - x_2) + \lambda_2(\dot{x}_2) dt + \sum {i = 0}^{M - 1} (x_1(t_i) - y_i)^2
]
其中拉格朗日乘子 $\lambda_1$