[发明专利]一种基于颅面稠密对应点云的颅面形态分析及面貌复原方法

说明书

本发明涉及一种基于颅面稠密对应点云的颅面形态分析及面貌复原方法，包括如下步骤：1颅骨稠密对应点云；2面貌稠密对应点云；3颅面形态关系可视分析；4基于软组织分区的颅面形态关系表示；5未知身源颅骨的面貌复原。本发明利用基于主成分系数的可视分析和最小二乘回归的定量表示方法，实现了颅面形态关系的分析，解决了颅面点云数据量大、主成分几何意义不易确定、颅面形态关系不易定量表示的问题。利用基于软组织厚度的颅面分区方法，克服了颅面形态关系复杂、不同区域间颅面形态关系不一致的问题，提高了颅面形态关系的准确性。最终利用基于分区的颅面形态关系，实现了未知身源颅骨的面貌复原。

技术领域

本发明涉及一种基于颅面稠密对应点云的颅面形态分析及面貌复原方法，属于计算机图形学、数字几何处理、人体测量学技术领域。

背景技术

人体头面部几何形态复杂，颅骨形态决定了面貌的基本形态，颅骨和面貌形态间存在相关性，对其关系进行研究已经成为法医人类学领域研究的热点。传统研究方法大多针对尸源进行软组织厚度测量、头面部测量指标统计分析，然而该方法存在研究对象样本有限，测量指标数量少的局限。随着医学影像设备的发展，CT、MRI等影像设备已经被广泛应用于活体样本的数据采集和三维建模，为新技术和新方法的开展提供了数据基础。

目前，针对颅面形态关系的研究方法主要包括三大类：1，软组织厚度测量和统计。法医人类学家利用计算机软件在影像数据或者三维模型上标定特征点，然后统计不同年龄、性别、种族人群特征点处的软组织厚度。目前，各国学者已经测量了澳大利亚、葡萄牙、埃及、高加索、捷克、土耳其、匈牙利、斯洛伐克、印度、美国、法国、日本、巴西、韩国、巴基斯坦、中国多个国家或民族的软组织厚度，并通过t-test、多元回归分析方法研究面部软组织的分布，借此发现颅骨和面貌之间的相关性。为了保证软组织测量的一致性，Stephan基于已经发布的软组织厚度数据集，统计分析了6700余个样本的软组织厚度。2，头面部几何测量指标的统计。法医人类学家利用计算机软件在影像数据或者三维模型上标定颅骨和对应的面貌特征点，然后分别测量颅骨几何测量项和对应的面貌几何测量项，包括距离、角度、面积的指标，进而分析颅骨和面貌形态之间的关系，如颅骨形状和脸型的关系、颅骨五官和面貌五官之间的关系。3，基于稠密点云的颅面形态表示。Berar等在2006年针对颅面稠密对应点云首次提出基于线性计算模型的颅面形态关系方法，该方法将颅骨点云和对应的面貌点云看作一个向量，通过最小二乘拟合方法实现颅面形态关系的表示。考虑到颅骨五官与面貌五官间更为复杂的关系，Zhang在Berar方法的基础上将颅骨和面貌模型按照五官分区，将每部分的颅骨点云和对应的面貌点云看作一个向量。为了显示地表示颅面形态关系，针对颅骨和面貌模型，利用偏最小二乘回归方法建立颅骨点云坐标和面貌点云坐标间的相互关系，然而由于颅骨和面貌点云数量大，给表示模型计算造成了极大困难。因此，依据统计形变模型(statistic morphable model)的思想，现有方法大多将颅骨和面貌模型分别表示为稠密对应点云，进而利用主成分分析方法实现颅骨和面貌模型的降维表示，最后通过机器学习方法学习颅骨样本主成分系数和面貌样本主成分系数间的关系，实现颅面形态关系的定量表示。该类方法的核心是利用主成分系数表示颅骨和面貌的几何形态。目前，支持向量机、特征根回归、偏最小二乘回归等机器学习方法已经被用于颅面形态关系的定量表示。段福庆将颅骨和面貌模型按照五官分区，然后利用偏最小二乘回归方法实现颅面形态关系的学习。邓擎琼建立了考虑年龄、性别、身体质量指数的回归模型，提高了表示的准确性。

但上述方法仍不能有效解释颅骨主成分和面貌主成分的几何意义，不能有效解释基于主成分和线性回归的颅面形态分析和表示方法的可行性。另一方面，由于颅面形态关系复杂且面部软组织在各区域的分布并不一致，在头部整体数据集上采用主成分分析技术进行表示将降低颅面形态关系表示的准确性。因此需要依靠面部软组织分布，建立一种更有效的颅面分区方法，使得各分区内形态关系尽可能一致，从而提高颅面形态关系表示的准确性。此外，颅骨稠密对应点云和面貌稠密对应点云的建立方法还亟待加强研究。

发明内容