基于特征点的颅面相似性度量算法研究

发布时间：2020-04-23 09:41

【摘要】：相较于传统颅面复原方法,计算机辅助颅面复原方法具有明显的优势,其复原结果更加接近真实面模型。颅面相似性度量方法不仅可以评价复原结果,而且评估复原方法,有改善已有的复原方法。因此,颅面相似性度量逐渐成为颅面形态学研究热点。本文以三维颅面模型为研究对象,重点研究颅面放射状特征点提取方法,并将自适应邻域应用于相似性度量方法,旨在解决自动度量颅面模型相似性。主要研究工作如下:1、实现三维颅面模型重建与标准化处理。主要包括基于CT数据的三维颅面重建、颅面复原、统一法兰克福坐标并尺度归一化。通过CT数据重建颅骨和真实面貌模型,基于颅骨面貌复原获取复原面貌模型。统一真实面貌模型和复原面貌模型坐标系、并尺度归一化,为后续研究提供了良好的数据基础。2、针对传统面貌相似性度量方法容易受主观影响以及半自动面貌特征点提取方法存在标定不准确等问题,提出了一种基于放射状特征点的颅面相似性自动度量算法。融合人脸识别的经验知识,首先提取面貌模型上始于鼻尖、终于面貌模型边界的不同密集程度的放射状面部轮廓线,按照等测地距离提取轮廓线上的特征点;之后,计算邻域点的加权平均形状因子度量特征点,采用相关系数衡量面貌模型间相似性。实验表明,该方法可以自动提取特征点并进行三维面貌模型的相似性度量,且度量结果与主观评判一致。3、针对复原面貌模型没有表情特征,提出了一种基于自适应邻域特征描述子的三维面貌相似性度量算法。分析不同表情面部轮廓线上特征点的变化情况,利用自适应邻域约束条件选取与表情特征无关的邻域点,并参与构建特征点的几何特征描述子。以测地距离作为依据衡量复原面貌模型与真实面貌模型之间的相似程度。实验结果表明,该方法可以有效地进行三维面貌模型相似性度量,对具有表情特征的面貌模型具有较好的鲁棒性。
【图文】：

CT影像,CT影像,活体

西北大学硕士学位论文效应以及超声测量法中存在的问题。本文实验数据，统一采用 CT 医学图像作为原始实验数据。电子计算机断层扫描(Computed Tomography, CT)，通过 CT 独有的窗口技术，实现精确地识别和测量面部软组织和颅骨。CT 是无重叠、断层成像，高分辨率和测距功能可以更好的显示活体颅骨周围的软组织，软组织的测量结果更为客观可信。获取活体CT颅面数据过程中，要统一CT采集设备的参数，且采集者应为未做过头部手术且颅面形态正常的成年人。采集过程中，采集者头部不能存在金属部件或者装饰，面部表情保持中性，双眼目视前方。由 CT 获取的颅面医学图像是由一定数目不同灰度等级像素以矩阵的形式排列构成，不同的像素反映了颅面不同组织部位对 X 射线的衰减系数。由 CT 扫描仪获取的 CT 影像如图 1 所示，每个切片的分辨率是512 512，颜色深度为 16 位，数据描述、传输以及保存都是采用 DICOM3.0 标准。由于活体头部尺寸不同，每个活体颅面数据具有大约 400 张 CT 医学图像才可以获得完整的颅面影像数据。

面皮,颅骨,轮廓线,面貌

直接采用八邻域法即可提取面貌轮廓线，如图 2 给出了颅骨、面皮对应的轮廓曲线。图 2 颅骨、面皮轮廓线图2.2.2 基于轮廓线三维建模基于轮廓线的三维建模[42]是在精准获取颅骨、面貌的轮廓线的基础上，，按照对相邻切片上轮廓线点集的拓扑分类编码和结构识别，将复杂的颅骨、面貌三维重建问题
【学位授予单位】：西北大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：D919;TP391.41

【参考文献】