[发明专利]一种牙齿X‑ray影像匹配方法

说明书

技术领域

本发明涉及一种牙齿X-ray影像匹配方法，属于刑侦信息的技术领域。

背景技术

无名尸骨的身份鉴定，是司法领域的关键课题。随着恶性刑事案件以及爆炸、空难、海啸、火灾、车祸等灾难性事故的不断出现，诸多基于有机物质的身份鉴定手段，如唇印、指纹、虹膜等，常常无法起到理想的身份鉴定作用，甚至完全丧失价值。对于此类难以鉴别的无名尸骨，牙齿形态将成为独当一面的身份特征。牙齿是人体最坚硬的组织，具有较强的耐热性和抗腐蚀性。对于不同的个体，牙齿特征完全相同的概率仅有25亿分之一，因此被法齿学家称作人的另一张“身份证”。鉴于这种稳定性和差异性，基于牙齿特征的身份鉴定将成为死亡者身份鉴定最有潜力和价值的个体识别标志群。并且多数国家的司法局确认了法齿学在法庭科学中的重要地位。

随着口腔医学的发展，人们自我保健、爱牙、护牙的意识不断提升，大众牙科医疗已趋于普及。牙齿影像已成为口腔诊疗中的必备资料，特别是全口曲面断层片投照具有辐射小成本低的特点，目前牙科诊疗中运用最广泛的标准初始检验手段。大量积累和保存的牙病病历档案，为基于牙齿特征的身份鉴定，提供了必要条件。

近十年来，人类牙齿X-ray影像的匹配算法，一直是法齿学中的热点课题。世界各地的科学家都相继发表了相关领域的文献。

2003年12月，Anil K.Jain和Hong Chen在文献[1]中提出下列算法：首先利用灰度值累和法来确定牙齿图像的分割边界，并利用该分割边界把牙齿图像分割成单颗牙齿；然后利用贝叶斯概率方法和概率方法，对牙冠部分提取边缘，并利用局部灰度值优化算法，对牙根部分提取边缘；再把提取到的边缘点作为特征点，将输入图像的边缘进行适当的相似变换后，计算输入图像边缘和参考图像边缘的欧式距离；最后选择对应欧式距离最小的若干幅参考图像作为最终的结果图像。该算法虽然比较经典，但提取边缘的过程仍然是个半自动化的算法。并且对于光照不均匀的图像，牙齿分割算法比较繁琐。对于边缘模糊的图像，牙齿的边缘很难提取。

2004年8月，Mohammad H.Mahoor和Mohamed Abdel-Mottaleb把医学中的牙齿分类引入牙齿影像处理中[2]，并按照医学上的标准牙齿序列对牙齿进行标号。在匹配环节，只把对应标号的牙齿进行匹配，从而提高了系统的实时性。

2004年12月，Omaima Nomir和Mohamed Abdel-Mottaleb提出了新的牙齿分割算法和牙齿图像匹配算法[3]。在牙齿分割过程中，该算法把原图像Canny边缘处灰度值的均值作为阈值，将图像分割成牙齿部分和背景部分。在匹配过程中，该算法选取了边缘上若干个曲率极大点作为特征点，并把这些特征点之间的几何距离作为特征向量，从而减小了匹配的复杂度。

2005年4月，Gamal Fahmy等人在文献[4]中系统地提出了自动化牙齿影像识别系统（ADIS）的架构。该架构主要包含数字图像存储器（DIR，包括存储功能和查询功能），潜在检索匹配模块（包括咬翼片图像的边缘提取功能和牙根尖图像的牙冠牙根边缘提取功能），图像匹配模块（包括增强、分割、匹配三个环节）三部分。模块化提高了系统的易维护性。

2005年8月，Anil K.Jain和Hong Chen在文献[5]中优化了两个关键算法，即特征提取和相似度匹配。特征提取不仅提取了牙齿的边缘，还提取了牙齿的修补区域。相似度匹配 算法通过后验概率将边缘距离和修补区面积融合，先计算出单颗牙齿层面的距离，再计算出图像层面的距离，最后根据图像层面的距离来检索最匹配的图像。多特征的融合提高了系统的有效性。

2006年4月，Diaa Eldin M.Nassar把人工神经网络算法引入到医学牙齿影像识别[6]。该神经网络分为特征提取和判断匹配两个层次。特征提取层利用非线性滤波器对输入图像和参考图像进行特征过滤，然后将过滤得到的特征传递到判断匹配层。最后判断匹配层判断两幅图像是否匹配。该算法可以通过自学习过程自动修正网络权系数，使得系统具有更明显的灵活性。

2006年6月，Eyad Haj Said等人利用形态学算法对牙齿图像进行去噪、分割和标记[7]，简化了传统的灰度值累和法，从而进一步简化了整个系统的设计。