三维颅骨相似性度量和性别鉴定方法研究
发布时间：2021-04-19 09:11
基于三维模型的颅骨相似度评价方法,可以用来检测不同颅骨之间的相似程度,进而为推测面貌的相似度提供参考、为颅骨性别鉴定提供可靠依据,从而辅助提高颅面复原的效果以及基于颅骨的身份认证的准确性。为促进颅面形态学的研究,提高颅面复原的精度,本文进行了基于三维颅骨的相似度评价研究,从颅骨特征提取和相似性度量两方面进行研究;同时将三维颅骨相似度评价的研究方法应用于颅骨的性别鉴定中,为性别鉴定的研究提供新的思路和方法。本文的主要研究内容包括:1.基于SPCA的颅骨相似度评价方法将三维颅骨数据,利用SPCA获取稀疏主成分,将测试颅骨数据映射到稀疏主成分空间中,进行降维。由此将三维颅骨高维数据简化为能够表征颅骨的低维特征向量,将该特征向量通过均方误差、归一化内积不同的相似性度量方法找出最相似颅骨。将基于SPCA的颅骨相似度评价方法与基于PCA的颅骨相似度评价方法进行比较,实验结果表明,SPCA提取的颅骨特征稳定性更高,基于SPCA的颅骨相似度评价方法的精确度、可解释性、计算速度等方面均优于基于PCA的颅骨相似度评价方法。2.基于Wasserstein距离的颅骨相似度评价方法利用SPCA和PCA对三维颅骨...
【文章来源】：青岛大学山东省
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
手动标定的特征点集
18图3.1基于SPCA的颅骨相似度方法流程图3.3.1SPCA提取颅骨特征本文实验中利用108套颅骨数据做训练集，采用SPCA提取颅骨特征，其步骤为：首先通过PCA算法获取主成分载荷向量构成的矩阵V；然后采用一般SPCA算法步骤获取稀疏主成分，具体步骤如下：步骤一：令A=V(,1:k)，即A为由前k个加载向量构成的矩阵。步骤二：根据给定的A=[α1,α2,,αk]，优化弹性网：bj=argminb(αjb)TXTX(αjb)+λ||b||2+δ||b||1步骤三：对于给定的B=[b1,b2,,bk]，计算的XTXB=UDVT的SVD，更新A=UVT。步骤四：重复步骤二和步骤三，直至B收敛，在向下进行，进入步骤五。步骤五：归一化,得到Vj=bj|bj|，j=1,2,,k通过SPCA提取特征，获得L（本文实验中，L=60）个稀疏主成分，然后将T套测试集样本矩阵X投影到稀疏主成分对应的方向上，获得测试集三维颅骨提取的特征点数据，即降维后的颅骨数据构成T×L的矩阵Y。其中yi和yj，分别代表测试颅骨xi和xj在稀疏主成分上的投影，即测试颅骨xi和xj由SPCA提取的三维颅骨特征点。SPCA中得到矩阵V是由训练集得到的稀疏主成分矩阵，其中V的每一列是一个稀疏主成分，将其加到由训练集得到的平均颅骨上，然后与平均颅骨进行对比，就能得到每一个稀疏主成分反映的具体区域。由于SCPA获得的稀疏主成分，是线性相关的，所以PCA中计算方差贡献率的方法不适用于SPCA。计算稀疏主成分在相似性比较中的贡献率，ZhaoJ等[29]提出了三种基于均方误差公式的重要性度量方法，其一为根据均方误差公式可以计算出降维矩阵Y的第i个颅骨和第j个颅骨的相似度，因此可以根据公式3-(6)计算出颅骨相似度评价中每个稀疏主成分的比例，构成矩阵R。
PCA 主成分
【参考文献】：
期刊论文
[1]利用朴素贝叶斯分类器的视频分类方法[J]. 庞博,成东坡. 武汉工程职业技术学院学报. 2019(03)
[2]基于CNN和朴素贝叶斯方法的安卓恶意应用检测算法[J]. 李创丰,李云龙,孙伟. 信息安全研究. 2019(06)
[3]基于朴素贝叶斯的档案分类研究[J]. 刘佩鑫,于洪志,徐涛. 河北大学学报(自然科学版). 2018(05)
[4]结合改进卷积神经网络和最小二乘法的颅骨性别鉴定[J]. 杨稳,刘晓宁,刘雄乐,朱丽品. 人类学学报. 2019(02)
[5]基于分区的破损颅骨性别判别方法[J]. 杨稳,刘晓宁,朱菲,耿国华,赵倩娜. 计算机应用研究. 2019(09)
[6]基于BP和朴素贝叶斯的时间序列分类模型[J]. 王会青,郭芷榕,白莹莹. 计算机应用研究. 2019(08)
[7]基于朴素贝叶斯轨道交通网络客流分配模型[J]. 翁小雄,汪周盼,黄靖翔. 重庆交通大学学报(自然科学版). 2018(06)
[8]基于LBP特征和熵正则化Wasserstein距离的人脸表情识别[J]. 郑昌金,章登义,苏科华,武小平,洪程. 计算机与数字工程. 2017(02)
[9]三维颅骨形态量化表示与非线性性别判定[J]. 任荣荣,周明全,耿国华,刘晓宁,赵倩娜. 北京师范大学学报(自然科学版). 2017(01)
[10]基于Wasserstein距离和分裂Bregman方法的图像分割算法[J]. 王瑜,闫沫. 电子设计工程. 2017(02)
硕士论文
[1]计算机辅助三维颅骨性别鉴定方法研究[D]. 赵倩娜.西北大学 2016
[2]三维颅面测量及其相似度评估方法的研究与实现[D]. 李楠.西北大学 2011
本文编号：3147263
【文章来源】：青岛大学山东省
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
手动标定的特征点集
18图3.1基于SPCA的颅骨相似度方法流程图3.3.1SPCA提取颅骨特征本文实验中利用108套颅骨数据做训练集，采用SPCA提取颅骨特征，其步骤为：首先通过PCA算法获取主成分载荷向量构成的矩阵V；然后采用一般SPCA算法步骤获取稀疏主成分，具体步骤如下：步骤一：令A=V(,1:k)，即A为由前k个加载向量构成的矩阵。步骤二：根据给定的A=[α1,α2,,αk]，优化弹性网：bj=argminb(αjb)TXTX(αjb)+λ||b||2+δ||b||1步骤三：对于给定的B=[b1,b2,,bk]，计算的XTXB=UDVT的SVD，更新A=UVT。步骤四：重复步骤二和步骤三，直至B收敛，在向下进行，进入步骤五。步骤五：归一化,得到Vj=bj|bj|，j=1,2,,k通过SPCA提取特征，获得L（本文实验中，L=60）个稀疏主成分，然后将T套测试集样本矩阵X投影到稀疏主成分对应的方向上，获得测试集三维颅骨提取的特征点数据，即降维后的颅骨数据构成T×L的矩阵Y。其中yi和yj，分别代表测试颅骨xi和xj在稀疏主成分上的投影，即测试颅骨xi和xj由SPCA提取的三维颅骨特征点。SPCA中得到矩阵V是由训练集得到的稀疏主成分矩阵，其中V的每一列是一个稀疏主成分，将其加到由训练集得到的平均颅骨上，然后与平均颅骨进行对比，就能得到每一个稀疏主成分反映的具体区域。由于SCPA获得的稀疏主成分，是线性相关的，所以PCA中计算方差贡献率的方法不适用于SPCA。计算稀疏主成分在相似性比较中的贡献率，ZhaoJ等[29]提出了三种基于均方误差公式的重要性度量方法，其一为根据均方误差公式可以计算出降维矩阵Y的第i个颅骨和第j个颅骨的相似度，因此可以根据公式3-(6)计算出颅骨相似度评价中每个稀疏主成分的比例，构成矩阵R。
PCA 主成分
【参考文献】：
期刊论文
[1]利用朴素贝叶斯分类器的视频分类方法[J]. 庞博,成东坡. 武汉工程职业技术学院学报. 2019(03)
[2]基于CNN和朴素贝叶斯方法的安卓恶意应用检测算法[J]. 李创丰,李云龙,孙伟. 信息安全研究. 2019(06)
[3]基于朴素贝叶斯的档案分类研究[J]. 刘佩鑫,于洪志,徐涛. 河北大学学报(自然科学版). 2018(05)
[4]结合改进卷积神经网络和最小二乘法的颅骨性别鉴定[J]. 杨稳,刘晓宁,刘雄乐,朱丽品. 人类学学报. 2019(02)
[5]基于分区的破损颅骨性别判别方法[J]. 杨稳,刘晓宁,朱菲,耿国华,赵倩娜. 计算机应用研究. 2019(09)
[6]基于BP和朴素贝叶斯的时间序列分类模型[J]. 王会青,郭芷榕,白莹莹. 计算机应用研究. 2019(08)
[7]基于朴素贝叶斯轨道交通网络客流分配模型[J]. 翁小雄,汪周盼,黄靖翔. 重庆交通大学学报(自然科学版). 2018(06)
[8]基于LBP特征和熵正则化Wasserstein距离的人脸表情识别[J]. 郑昌金,章登义,苏科华,武小平,洪程. 计算机与数字工程. 2017(02)
[9]三维颅骨形态量化表示与非线性性别判定[J]. 任荣荣,周明全,耿国华,刘晓宁,赵倩娜. 北京师范大学学报(自然科学版). 2017(01)
[10]基于Wasserstein距离和分裂Bregman方法的图像分割算法[J]. 王瑜,闫沫. 电子设计工程. 2017(02)
硕士论文
[1]计算机辅助三维颅骨性别鉴定方法研究[D]. 赵倩娜.西北大学 2016
[2]三维颅面测量及其相似度评估方法的研究与实现[D]. 李楠.西北大学 2011
本文编号：3147263
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3147263.html
最近更新
教材专著
