数字式高分辨比色仪的研制
发布时间：2021-02-12 04:49
随着人们对口腔健康重视程度的不断提高,人们对龋齿的修复也提出了更高的要求,希望龋齿修复体能具有更高的颜色协调性、更高的逼真程度、较高的性价比,传统利用比色板比色的方法已不能满足当前的需求,数字式比色仪能够快速、准确的确定修复体的色号,在临床应用方面具有重要的实际意义。数字式比色仪在国外临床比色领域是研究热点之一,但在国内数字式比色仪研究领域还是空白。本文在查阅相关文献的基础上,了解到传统比色方法的不足,研制了一种基于数字图像处理与模式识别技术的数字式高分辨比色系统,该系统利用可见光成像装置获取牙齿图像,采用图像处理和模式识别技术对牙齿彩色图像进行处理和识别,设计了图像预处理、色彩空间转换、特征提取、识别分类器等模块,主要包括彩色图像灰度化、二值化预处理算法、Lab色彩空间转换算法、PCA主成分分析特征提取算法、KNN近邻域分类算法,通过MATLAB仿真软件对各种算法进行了仿真研究,优化算法参数,减少比色误差。最后,利用试验方法分析了数字式比色仪的比色误差影响因素。通过研制数字式比色系统,验证了所提出的颜色识别算法的有效性,掌握了比色准确度的影响因素和规律,为数字式高分辨比色仪的临床应用...
【文章来源】：西安石油大学陕西省
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
几种常见比色仪近年来RGB系统比色仪逐渐超过光度计型比色仪与分光光度型比色仪，成为牙齿比色领域方面主要研究方向
第二章数字式高分辨比色仪系统的总体设计7本次课题从中心点开始，向上、下、左、右四个方向截取固定大小的区域作为颜色特征数据，此时得到的颜色特征是一组基于RGB色彩空间的颜色特征数据。图2-1比色仪算法框图（2）色彩空间转换经过图像预处理得了基于RGB色彩空间的颜色特征数据，由于此组特征数据采用RGB色彩空间，所以特征数据中的亮度与颜色融合在了一起，而在实际的牙齿比色过程中，医生首先关注的是牙齿的亮度，其次才是牙齿的颜色，因此需要色彩空间转换，将基于RGB色彩空间的颜色特征数据转换至Lab色彩空间。（3）特征提取在数字式牙齿比色仪中，需要识别的是人体牙齿颜色特征，同时为了强调人体的主观感受，待识别的是人体牙齿在Lab色彩空间下的颜色特征，而直接获取的颜色特征是一组高维数据，因此需要进行特征提取将高维特征数据进行组合得到一组低维特征数据，利用样本的低维特征数据集合进行分类器的设计和待测样本的识别分类。（4）识别分类经过特征选择和特征提取之后，比色仪训练样本的颜色特征数据已经被转换成了一组低维度、便于计算的特征数据，被称为“特征矢量”。每个训练样本都是“特征空间”中的一个点，同类别的样本在特征空间中聚集在一起，不同类别样本在特征空间中相距
?分类器的主要功能就是判断待测样本在训练样本特征空间中属于哪一个类别，通过判断待测样本与所有训练样本特征的差异，与待测样本差异最小的训练样本类别就是待测样本的类别。在经过特征选择和特征提取后，比色仪训练样本的特征空间已经变成了特征数量少，低维度的特征空间，根据样本的特征，需采取有关的分类算法，人为设计出一种分类器进行人体牙齿颜色的分类。2.3系统结构设计根据比色仪项目的基本功能和设计要求，结合国内口腔牙齿比色的实际临床情况，比色仪系统计划采用软硬结合的方式实现整个比色仪系统的研制，如图2-2比色仪系统结构图所示，整个系统由两个部分、四个模块组成，两个部分指的是硬件电路部分和上位机软件部分，图像采集模块构成了比色仪硬件电路部分，上位机软件部分主要有：牙齿颜色识别模块，存储模块，显示模块。采用软硬件结合的方式不但降低了系统实现成本，而且提高了比色仪系统的开发效率，接下来本文将对牙齿比色仪的每部分模块的设计思路进行详细介绍。图2-2比色仪系统结构图硬件电路部分主要包括：（1）图像采集模块图像采集模块是整个数字式高分辨比色仪中最重要的一个环节，图像采集模块的主要功能是采集牙齿图像与比色板色片图像，采集的图像质量越高，颜色识别准确率越高。而图像的质量主要与分辨率、色彩深度、图像失真等方面有着密切的关系。分辨率是评价人工图像表现物体细节的能力，或图像中细微部分能分解到什么程度并被显示出来的指标，色彩深度，又称像素深度或图像深度。而图像失真是矢量图像表现原景物影像的
【参考文献】：
期刊论文
[1]运动目标检测算法综述[J]. 丁业兵. 科技资讯. 2019(30)
[2]基于K近邻算法的噪声种类识别和强度估计[J]. 吴小莉,郑艺峰. 计算机应用. 2020(01)
[3]基于HSB颜色空间的交通标志识别研究[J]. 吕凯凯,韦德泉,王猛. 赤峰学院学报(自然科学版). 2019(05)
[4]基于肤色特征的人脸检测[J]. 张新景,兰育飞,史颖刚. 信息技术与信息化. 2019(04)
[5]基于HSV颜色空间肤色检测算法的动态手势识别研究[J]. 李明东. 鄂州大学学报. 2018(05)
[6]基于数据空间结构的KNN方法优化[J]. 刘通,高世臣. 数学的实践与认识. 2018(14)
[7]基于主成分分析的彩色图转灰度图方法的研究[J]. 陈勤,伍传敏. 佳木斯大学学报(自然科学版). 2018(03)
[8]基于颜色直方图的车牌识别技术初探[J]. 吴淑婷. 中国市场. 2017(20)
[9]基于Lab颜色空间阈值分割的原木端面区域识别[J]. 钟新秀,景林,林耀海. 龙岩学院学报. 2017(02)
[10]基于HSV颜色空间的车身颜色识别算法[J]. 胡焯源,曹玉东,李羊. 辽宁工业大学学报(自然科学版). 2017(01)
硕士论文
[1]自然场景下道路交通标志检测与识别算法研究[D]. 肖亚彬.湖南大学 2017
[2]数字图像特征点提取方法研究[D]. 张楠.华北电力大学 2017
[3]基于机器视觉的小型管道机器人研究[D]. 韩雪.天津理工大学 2017
[4]面向口腔修复的彩色三维扫描技术研究[D]. 尹炜.南京航空航天大学 2017
[5]基于多特征融合的森林火灾火焰视频识别研究[D]. 徐铭铭.南京林业大学 2015
[6]基于图像处理及嵌入式系统的交通灯智能控制[D]. 梅婧.东华大学 2014
[7]基于数字图像处理的太阳能电池缺陷检测技术研究[D]. 王志陶.河北工业大学 2014
[8]插值分析在织物染色计算机配色中的应用研究[D]. 李敏.青岛大学 2013
[9]口腔比色方法的研究[D]. 张新媛.北京协和医学院 2013
[10]基于机器视觉的交通路口车载辅助系统研究[D]. 任勇.苏州大学 2013
本文编号：3030286
【文章来源】：西安石油大学陕西省
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
几种常见比色仪近年来RGB系统比色仪逐渐超过光度计型比色仪与分光光度型比色仪，成为牙齿比色领域方面主要研究方向
第二章数字式高分辨比色仪系统的总体设计7本次课题从中心点开始，向上、下、左、右四个方向截取固定大小的区域作为颜色特征数据，此时得到的颜色特征是一组基于RGB色彩空间的颜色特征数据。图2-1比色仪算法框图（2）色彩空间转换经过图像预处理得了基于RGB色彩空间的颜色特征数据，由于此组特征数据采用RGB色彩空间，所以特征数据中的亮度与颜色融合在了一起，而在实际的牙齿比色过程中，医生首先关注的是牙齿的亮度，其次才是牙齿的颜色，因此需要色彩空间转换，将基于RGB色彩空间的颜色特征数据转换至Lab色彩空间。（3）特征提取在数字式牙齿比色仪中，需要识别的是人体牙齿颜色特征，同时为了强调人体的主观感受，待识别的是人体牙齿在Lab色彩空间下的颜色特征，而直接获取的颜色特征是一组高维数据，因此需要进行特征提取将高维特征数据进行组合得到一组低维特征数据，利用样本的低维特征数据集合进行分类器的设计和待测样本的识别分类。（4）识别分类经过特征选择和特征提取之后，比色仪训练样本的颜色特征数据已经被转换成了一组低维度、便于计算的特征数据，被称为“特征矢量”。每个训练样本都是“特征空间”中的一个点，同类别的样本在特征空间中聚集在一起，不同类别样本在特征空间中相距
?分类器的主要功能就是判断待测样本在训练样本特征空间中属于哪一个类别，通过判断待测样本与所有训练样本特征的差异，与待测样本差异最小的训练样本类别就是待测样本的类别。在经过特征选择和特征提取后，比色仪训练样本的特征空间已经变成了特征数量少，低维度的特征空间，根据样本的特征，需采取有关的分类算法，人为设计出一种分类器进行人体牙齿颜色的分类。2.3系统结构设计根据比色仪项目的基本功能和设计要求，结合国内口腔牙齿比色的实际临床情况，比色仪系统计划采用软硬结合的方式实现整个比色仪系统的研制，如图2-2比色仪系统结构图所示，整个系统由两个部分、四个模块组成，两个部分指的是硬件电路部分和上位机软件部分，图像采集模块构成了比色仪硬件电路部分，上位机软件部分主要有：牙齿颜色识别模块，存储模块，显示模块。采用软硬件结合的方式不但降低了系统实现成本，而且提高了比色仪系统的开发效率，接下来本文将对牙齿比色仪的每部分模块的设计思路进行详细介绍。图2-2比色仪系统结构图硬件电路部分主要包括：（1）图像采集模块图像采集模块是整个数字式高分辨比色仪中最重要的一个环节，图像采集模块的主要功能是采集牙齿图像与比色板色片图像，采集的图像质量越高，颜色识别准确率越高。而图像的质量主要与分辨率、色彩深度、图像失真等方面有着密切的关系。分辨率是评价人工图像表现物体细节的能力，或图像中细微部分能分解到什么程度并被显示出来的指标，色彩深度，又称像素深度或图像深度。而图像失真是矢量图像表现原景物影像的
【参考文献】：
期刊论文
[1]运动目标检测算法综述[J]. 丁业兵. 科技资讯. 2019(30)
[2]基于K近邻算法的噪声种类识别和强度估计[J]. 吴小莉,郑艺峰. 计算机应用. 2020(01)
[3]基于HSB颜色空间的交通标志识别研究[J]. 吕凯凯,韦德泉,王猛. 赤峰学院学报(自然科学版). 2019(05)
[4]基于肤色特征的人脸检测[J]. 张新景,兰育飞,史颖刚. 信息技术与信息化. 2019(04)
[5]基于HSV颜色空间肤色检测算法的动态手势识别研究[J]. 李明东. 鄂州大学学报. 2018(05)
[6]基于数据空间结构的KNN方法优化[J]. 刘通,高世臣. 数学的实践与认识. 2018(14)
[7]基于主成分分析的彩色图转灰度图方法的研究[J]. 陈勤,伍传敏. 佳木斯大学学报(自然科学版). 2018(03)
[8]基于颜色直方图的车牌识别技术初探[J]. 吴淑婷. 中国市场. 2017(20)
[9]基于Lab颜色空间阈值分割的原木端面区域识别[J]. 钟新秀,景林,林耀海. 龙岩学院学报. 2017(02)
[10]基于HSV颜色空间的车身颜色识别算法[J]. 胡焯源,曹玉东,李羊. 辽宁工业大学学报(自然科学版). 2017(01)
硕士论文
[1]自然场景下道路交通标志检测与识别算法研究[D]. 肖亚彬.湖南大学 2017
[2]数字图像特征点提取方法研究[D]. 张楠.华北电力大学 2017
[3]基于机器视觉的小型管道机器人研究[D]. 韩雪.天津理工大学 2017
[4]面向口腔修复的彩色三维扫描技术研究[D]. 尹炜.南京航空航天大学 2017
[5]基于多特征融合的森林火灾火焰视频识别研究[D]. 徐铭铭.南京林业大学 2015
[6]基于图像处理及嵌入式系统的交通灯智能控制[D]. 梅婧.东华大学 2014
[7]基于数字图像处理的太阳能电池缺陷检测技术研究[D]. 王志陶.河北工业大学 2014
[8]插值分析在织物染色计算机配色中的应用研究[D]. 李敏.青岛大学 2013
[9]口腔比色方法的研究[D]. 张新媛.北京协和医学院 2013
[10]基于机器视觉的交通路口车载辅助系统研究[D]. 任勇.苏州大学 2013
本文编号：3030286
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3030286.html
