1.一种基于联合配准的可变形统计图谱构建方法，其特征在于，包括如下步骤：步骤1：对参考模板和训练样本进行基于解剖标志点的配准；

步骤2：利用图像中所有的灰度信息对参考模板和训练样本进行基于灰度的配准；

步骤3：对参考模板和训练样本进行基于解剖标志点和灰度的联合配准；

步骤4：利用参考模板表示的训练样本的解剖结构，通过统计形状建模的办法构建可变形统计图谱；

步骤3的具体步骤包括：

步骤3.1：对基于解剖标志点配准的空间变换和基于灰度配准的空间变换进行非线性加权，即：FC(x)＝W(x)·FL(x)+(1‑W(x))·FI(x)            (1)其中，x是配准对象在三维空间中任意点的空间位置，FL(x)和FI(x)分别是空间位置x处基于解剖标志点配准和基于灰度配准的形变场，FC(x)是空间位置x处的联合形变场，用位移矢量表示为FC(x):＝[Δx,Δy,Δz]；

步骤3.2：引入空间位置x到解剖标志点间的距离dl(x)来量化加权函数W(x)，dl(x)具体表示如下：th

其中Li是第i 个解剖标志点的坐标；将加权函数W(x)转换为关于dl(x)的函数W(dl(x))，以下简写为W(dl)；

W(dl)具体的解析表达式：

其中，参数δ决定加权函数的衰减速度；

步骤3.3：利用式(3)中定义的加权函数，代入式(1)计算出联合变形场FC(x)，从而实现参考模板到训练样本的配准；

步骤3.4：求得用参考模板网格拓扑表示的训练样本的解剖结构。

2.根据权利要求1所述的一种基于联合配准的可变形统计图谱构建方法，其特征在于，步骤1的具体步骤包括：步骤1.1：在参考模板和训练样本上手动标定有解剖学意义的关键解剖标志点；

步骤1.2：采用TPS‑RPM算法进行基于解剖标志点的配准：利用图像中的解剖标志点的空间位置信息，计算参考模板点云与训练样本点云的特征匹配关系，通过控制点弯曲函数实现参考模板形状点云配准到训练样本的形状点云，得到参考模板点云配准到训练样本的空间变换，即将参考模板变换到训练样本的形变场；最终求得用参考模板网格拓扑表示的训练样本的解剖结构。

3.根据权利要求2所述的一种基于联合配准的可变形统计图谱构建方法，其特征在于，步骤1.1中，对于头部图像，在颅颌面区域手动标定若干个对正畸和正颌外科重要的解剖标志点；对于脊柱图像，在每个椎骨的中心、棘突前部和尾部和左右两个的横突分别标定若干个解剖标志点。

4.根据权利要求1所述的一种基于联合配准的可变形统计图谱构建方法，其特征在于，步骤2的具体步骤包括：步骤2.1：把参考模板作为活动图像，训练样本作为固定图像，计算参考模板和训练样本之间的互信息；

步骤2.2：根据给定的空间变换，将参考模板中的点变换到训练样本所在的坐标系中，对变换后整数坐标之外的点进行灰度插值，重新计算变换之后的参考模板与训练样本之间的互信息；

步骤2.3：通过优化方法，不断迭代空间变换的参数，得到新的空间变换，转至步骤2.2，直到使得变换之后的参考模板与训练样本之间的互信息最大，此时的空间变换即为最优空间变换。

5.根据权利要求4所述的一种基于联合配准的可变形统计图谱构建方法，其特征在于，步骤2.3中，基于互信息作为相似性测度，B样条函数作为空间变换方式，自适应随机梯度下降方法作为优化策略，不断迭代，直至求得最大互信息时的最优空间变换，即将模板映射到训练样本的形变场，从而实现参考模板到训练样本的配准，最终求得用参考模板网格拓扑表示的训练样本的解剖结构。

6.根据权利要求1所述的一种基于联合配准的可变形统计图谱构建方法，其特征在于，δ的取值为4～8mm。

7.根据权利要求1所述的一种基于联合配准的可变形统计图谱构建方法，其特征在于，步骤4的具体步骤包括：基于参考模板配准到训练样本的解剖结构，对训练样本进行形状分析，学习训练样本在人群中的形变方式，获得训练个体之间的解剖差异，从而构建可变形统计图谱；基于统计形状建模的方法构建可变形统计图谱过程包括两步：首先，应用广义普氏分析对训练个体配准后的形状网格规范化，对所有训练样本在空间位置和方向上做归一化处理；然后利用主成分分析方法提取训练样本的统计形变分量，构造点分布模型类型的可变形统计图谱。