1.一种用于脑部MRI图像分类的图像处理方法，其特征在于，包括：获取第一类MRI图像集和第二类MRI图像集；

提取所述第一类MRI图像集和第二类MRI图像集的相似度信息；

使用Nystrom算法和投影算法，计算所述第一类MRI图像集和第二类MRI图像集中个体的欧几里得坐标；

利用所述相似度信息和欧几里得坐标对所述第一类MRI图像集和第二类MRI图像集进行分类训练，获得判决标准；

提取待分类MRI图像集的图像特征，根据所述判决标准进行图像分类。

2.如权利要求1所述的方法，其特征在于，所述提取所述第一类MRI图像集和第二类MRI图像集的相似度信息包括：对I＝{N1,N2,…,Nm,A1,A2,…,An}数据集中每幅图像进行位置校正、偏移场校正，其中{N1,N2,…,Nm}为所述第一类MRI图像集，{A1,A2,…,An}为所述第二类MRI图像集；

从I中随机选取p个第一类MRI图像集个体和q个第二类MRI图像集个体，其中p+q<

对所述I'中的每一对MRI图像{Ii,Ij},i,j∈1,...,p+q，用任意微分同胚配准算法求得形变场φij和φji，满足Ij＝Iiοφij，Ii＝Ijοφji，其中“ο”为根据形变场对图像进行翘曲，图像Ii,Ij的非相似度：其中dist(Ii,Ij)表示图像Ii和Ij间的非相似度，d(Ii,Ij)表示图像Ii和Ij间的黎曼距离，Id表示单位变换；

计算所述I'的相似度矩阵：

其中sij＝sji,i,j∈{1,...,p+q}。

3.如权利要求2所述的方法，其特征在于，所述使用Nystrom算法和投影算法，计算所述第一类MRI图像集和第二类MRI图像集中个体的欧几里得坐标包括：I”＝{Np+1,Np+2,…,Nm,Aq+1,Aq+2,…,An}＝{Ip+q+1,Ip+q+2,...,Im+n}，其中I＝I'∪I”，将I”中的MRI图像配准到I'中的个体空间，可得数据集I的相似度矩阵：其中sij＝sji,i,j∈{1,...,m+n}。ξsub为(p+q)×(p+q)矩阵，可对角化为ξsub＝UΛUT；设为ξ的近似特征向量，根据Nystrom算法可得 ξ可近似计算为：T

定义ξsub，ξpart，ξpart每行的和向量为：将 标准化为 可特征分解为 所述第一类MRI

图像集和第二类MRI图像集个体的投影坐标为 其

中dim取整数，为预先设置的投影空间维度。

4.如权利要求2所述的方法，其特征在于，其中所述提取待分类MRI图像集的图像特征，根据所述判决标准进行图像分类包括：对于待分类MRI图像集M配准到所述I'的个体上，利用Nystrom算法和投影算法获得所述M个体在欧几里得空间的映射坐标。

5.如权利要求4中所述的方法，其特征在于，对于待分类MRI图像集M配准到所述I'的每个个体上，利用Nystrom算法和投影算法获得所述M个体在欧几里得空间的映射坐标包括：将M配准到训练子库所述I'的每个个体上，量化形变场，可得相似度向量ξnew＝[s1,new s2,new … s(p+q),new]T，ξnewT的向量和为cnew，可得到：标准化ξnewT可得：

投影映射可得特征向量 所述M的个体坐标为

6.一种用于脑部MRI图像分类的图像处理装置，其特征在于，包括：获取模块，用于获取第一类MRI图像集和第二类MRI图像集；

提取模块，用于提取所述第一类MRI图像集和第二类MRI图像集的相似度信息；

计算模块，用于使用Nystrom算法和投影算法，计算所述第一类MRI图像集和第二类MRI图像集中个体的欧几里得坐标；

标准模块，用于利用所述相似度信息和欧几里得坐标对所述第一类MRI图像集和第二类MRI图像集进行分类训练，获得判决标准；

分类模块，用于提取待分类MRI图像集的图像特征，根据所述判决标准进行图像分类。

7.如权利要求1所述的装置，其特征在于，所述提取模块还用于：对I＝{N1,N2,…,Nm,A1,A2,…,An}数据集中每幅图像进行位置校正、偏移场校正，其中{N1,N2,…,Nm}为所述第一类MRI图像集，{A1,A2,…,An}为所述第二类MRI图像集；

从I中随机选取p个第一类MRI图像集个体和q个第二类MRI图像集个体，其中p+q<

对所述I'中的每一对MRI图像{Ii,Ij},i,j∈1,...,p+q，用任意微分同胚配准算法求得形变场φij和φji，满足Ij＝Iiοφij，Ii＝Ijοφji，其中“ο”为根据形变场对图像进行翘曲，图像Ii,Ij的非相似度：其中dist(Ii,Ij)表示图像Ii和Ij间的非相似度，d(Ii,Ij)表示图像Ii和Ij间的黎曼距离，Id表示单位变换；

计算所述I'的相似度矩阵：

其中sij＝sji,i,j∈{1,...,p+q}。

8.如权利要求7所述的装置，其特征在于，所述计算模块还用于：对于I”＝{Np+1,Np+2,…,Nm,Aq+1,Aq+2,…,An}＝{Ip+q+1,Ip+q+2,...,Im+n}，其中I＝I'∪I”，将I”中的MRI图像配准到I'中的个体空间，可得数据集I的相似度矩阵：其中sij＝sji,i,j∈{1,...,m+n}，ξsub为(p+q)×(p+q)矩阵，可对角化为ξsub＝UΛUT；设为ξ的近似特征向量，根据Nystrom算法可得 ξ可近似计算为：定义ξsub，ξpart，ξpartT每行的和向量为：将 标准化为 可特征分解为 所述第一

类MRI图像集和第二类MRI图像集个体的投影坐标为

其中dim取整数，为预先设置的投影空间维度。

9.如权利要求7所述的装置，其特征在于，其中分类模块还用于：对于待分类MRI图像集M配准到所述I'的个体上，利用Nystrom算法和投影算法获得所述M个体在欧几里得空间的映射坐标。

10.如权利要求9中所述的装置，其特征在于，其中所述分类模块还用于：将M配准到训练子库所述I'的每个个体上，量化形变场，可得相似度向量ξnew＝[s1,new s2,new … s(p+q),new]T，ξnewT的向量和为cnew，可得到：标准化ξnewT可得：

投影映射可得特征向量 所述M的个体坐标为