[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

摘要

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。

主权项

1.一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，其特征在于，包括以下步骤：1：颅骨稠密对应点云；步骤1.1：针对颅骨三维网格模型，定义内点和边界点，实现颅骨孔洞边缘的自动识别；并通过孔洞边界长度、孔洞形状和位置，分析确定孔洞之间的对应关系；步骤1.2：基于高斯映射和动态区域增长算法，实现颅骨几何形状变化较大区域包括上颌、下颌、颧骨等的自动分割；步骤1.3：从颅骨模型数据集中选择选择两个模型，一个作为参考颅骨，另一个作为目标颅骨，依据步骤1.1和步骤1.2产生的两个颅骨模型特征，利用最近点迭代算法实现参考颅骨向目标颅骨的刚性配准，进一步提出通过基于隐式函数和顶点能量约束最优结合的方法，实现两个颅骨模型的非刚性配准；步骤1.4：计算目标模型的每个顶点与变形后的参考模型的最近点，记录其顶点序号，建立目标模型与参考模型顶点的对应关系；步骤1.5：依据步骤1.4计算获得的顶点序号，针对原始参考颅骨模型，生成与目标颅骨点云对应的参考颅骨顶点坐标；步骤1.6：从颅骨模型数据集中选择其他模型作为参考颅骨，重复步骤1.3‑步骤1.5，直到遍历所有模型为止，从而建立颅骨模型间的顶点对应关系，即所有颅骨模型具有相同的顶点个数且对应顶点具有近似的解剖学位置；2：面貌稠密对应点云；步骤2.1：面貌模型表面特征线提取，计算面貌三维模型每个顶点的法线和高斯曲率，统计高斯曲率值局部最大且邻接顶点法矢夹角差异较大的顶点，该顶点作为特征点；面貌五官模型耳朵、鼻子、嘴、眼睛自动分割，以顶点高斯曲率局部最大的顶点作为种子顶点，基于高斯映射和动态区域增长算法实现分割；步骤2.2：从面貌模型数据集中选择两个模型，一个作为参考面貌，另一个作为目标面貌，针对步骤2.1生成的两个面貌模型特征，利用最近点迭代算法实现参考面貌向目标面貌的刚性配准，进一步提出通过基于隐式函数和顶点能量约束最优结合的方法，实现两个面貌模型的非刚性配准；步骤2.3：变形后的参考模型的每个顶点与目标模型的最近点即为当前顶点的对应点，记录其顶点序号，针对原始参考面貌模型，生成与目标面貌点云对应的参考面貌顶点坐标；步骤2.4：从面貌数据集中选择其他模型作为参考面貌，重复步骤2.1‑步骤2.3，直到所有面貌均已建立对应关系时停止；3：颅面形态关系可视分析；步骤3.1：利用主成分分析方法，降维表示颅骨稠密点云，计算特征值和特征向量，利用主成分分析方法，降维表示面貌稠密点云，计算特征值和特征向量；步骤3.2：为了观察各主成分对模型几何形状的影响，针对颅骨模型，从第一个主成分开始，将其对应的主成分系数设置为给定值value＝3·λ₁δ₁，其中λ₁＝{‑1.0,‑0.8,‑0.6,‑0.4,‑0.2,0.2,0.4,0.6,0.8,1.0}，δ₁为该主成分系数的方差，同理，针对面貌模型，从第一个主成分开始，将其对应的主成分系数设置为给定值value＝3·λ₂δ₂，其中λ₁＝{‑1.0,‑0.8,‑0.6,‑0.4,‑0.2,0.2,0.4,0.6,0.8,1.0}，δ₂为该主成分系数的方差；步骤3.3：为了观察基于主成分表示的颅骨和面貌模型间的相互关系，每次分别取近似相同贡献率的颅骨主成分和面貌主成分，将当前选择的颅骨主成分系数和对应的面貌主成分系数分别设置为给定值，其他主成分系数值为0，显示颅骨模型和对应的面貌模型；步骤3.4：计算颅骨主成分系数和对应的面貌主成分系数的相关性，判断其是否近似满足线性关系；如果满足线性相关，则采用步骤4.4中的最小二乘法进行形态关系学习；4：基于软组织分区的颅面形态关系表示；步骤4.1：针对数据集中的每个样本，计算每个顶点的软组织厚度值；针对所有样本，计算每个顶点的软组织厚度均值和方差，利用改进的K均值聚类算法，按软组织厚度进行聚类分为四类；聚类过程中首先均匀采样设定聚类中心和较小粒度的聚类条件，然后完成初始分类并建立各分类间的邻接关系无向图，最后以含有顶点数较多的分类为中心通过合并邻接分类完成指定数量的聚类；步骤4.2：针对目标颅骨和目标面貌模型，依据每个顶点对应的软组织厚度分类，将颅骨顶点和面貌顶点进行分区，实现基于软组织厚度的颅面分区；步骤4.3：针对颅骨各个分区点云，计算主成分系数和特征向量；针对面貌各个分区点云，计算主成分系数和特征向量；步骤4.4：针对每个分区数据集，设Skull_l×p＝[α_1,p,α_2,p,...,α_l,p]和Face_l×q＝[b_1,q,b_2,q,...,b_l,q]分别为该分区中每个样本颅骨的主成分和对应面貌的主成分，则颅骨和面貌之间的形态关系M＝{M_i,i＝1,2,L,k}能表示为M_i＝argmin||Skull×M_i‑Face||²+λ²||M_i||²，利用最小二乘法求解M得M_i＝(Skull^T·Skull+λI)^‑1·Skull^T·Face，其中λ为权值，I为单位矩阵，则颅骨和面貌间的形态关系表示为M＝{(M₁,M₂,L,M_k)}；5：未知身源颅骨的面貌复原。