[發明專利]一種基于顱面稠密對應點云的顱面形態分析及面貌復原方法

有效

• 申請號: 201611048126.1
• 申請日: 2016-11-21
• 公開（公告）號: CN106780591B
• 公開（公告）日: 2019-10-25
• 發明（設計）人: 稅午陽;周明全;鄧擎瓊;武仲科;江海燕
• 申請（專利權）人: 北京師范大學
• 主分類號: G06T7/593
• 分類號: G06T7/593
• 代理公司: 北京中海智圣知識產權代理有限公司 11282
• 代理人: 胡靜

1.一種基于顱面稠密對應點云的顱面形態分析及面貌復原方法，其特征在于，包括以下步驟：

1：顱骨稠密對應點云；

步驟1.1：針對顱骨三維網格模型，定義內點和邊界點，實現顱骨孔洞邊緣的自動識別；并通過孔洞邊界長度、孔洞形狀和位置，分析確定孔洞之間的對應關系；

步驟1.2：基于高斯映射和動態區域增長算法，實現顱骨幾何形狀變化較大區域包括上頜、下頜、顴骨等的自動分割；

步驟1.3：從顱骨模型數據集中選擇選擇兩個模型，一個作為參考顱骨，另一個作為目標顱骨，依據步驟1.1和步驟1.2產生的兩個顱骨模型特征，利用最近點迭代算法實現參考顱骨向目標顱骨的剛性配準，進一步提出通過基于隱式函數和頂點能量約束最優結合的方法，實現兩個顱骨模型的非剛性配準；

步驟1.4：計算目標模型的每個頂點與變形后的參考模型的最近點，記錄其頂點序號，建立目標模型與參考模型頂點的對應關系；

步驟1.5：依據步驟1.4計算獲得的頂點序號，針對原始參考顱骨模型，生成與目標顱骨點云對應的參考顱骨頂點坐標；

步驟1.6：從顱骨模型數據集中選擇其他模型作為參考顱骨，重復步驟1.3-步驟1.5，直到遍歷所有模型為止，從而建立顱骨模型間的頂點對應關系，即所有顱骨模型具有相同的頂點個數且對應頂點具有近似的解剖學位置；

2：面貌稠密對應點云；

步驟2.1：面貌模型表面特征線提取，計算面貌三維模型每個頂點的法線和高斯曲率，統計高斯曲率值局部最大且鄰接頂點法矢夾角差異較大的頂點，該頂點作為特征點；面貌五官模型耳朵、鼻子、嘴、眼睛自動分割，以頂點高斯曲率局部最大的頂點作為種子頂點，基于高斯映射和動態區域增長算法實現分割；

步驟2.2：從面貌模型數據集中選擇兩個模型，一個作為參考面貌，另一個作為目標面貌，針對步驟2.1生成的兩個面貌模型特征，利用最近點迭代算法實現參考面貌向目標面貌的剛性配準，進一步提出通過基于隱式函數和頂點能量約束最優結合的方法，實現兩個面貌模型的非剛性配準；

步驟2.3：變形后的參考模型的每個頂點與目標模型的最近點即為當前頂點的對應點，記錄其頂點序號，針對原始參考面貌模型，生成與目標面貌點云對應的參考面貌頂點坐標；

步驟2.4：從面貌數據集中選擇其他模型作為參考面貌，重復步驟2.1-步驟2.3，直到所有面貌均已建立對應關系時停止；

3：顱面形態關系可視分析；

步驟3.1：利用主成分分析方法，降維表示顱骨稠密點云，計算特征值和特征向量，利用主成分分析方法，降維表示面貌稠密點云，計算特征值和特征向量；

步驟3.2：為了觀察各主成分對模型幾何形狀的影響，針對顱骨模型，從第一個主成分開始，將其對應的主成分系數設置為給定值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為該主成分系數的方差，同理，針對面貌模型，從第一個主成分開始，將其對應的主成分系數設置為給定值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為該主成分系數的方差；

步驟3.3：為了觀察基于主成分表示的顱骨和面貌模型間的相互關系，每次分別取近似相同貢獻率的顱骨主成分和面貌主成分，將當前選擇的顱骨主成分系數和對應的面貌主成分系數分別設置為給定值，其他主成分系數值為0，顯示顱骨模型和對應的面貌模型；

步驟3.4：計算顱骨主成分系數和對應的面貌主成分系數的相關性，判斷其是否近似滿足線性關系；如果滿足線性相關，則采用步驟4.4中的最小二乘法進行形態關系學習；

4：基于軟組織分區的顱面形態關系表示；

步驟4.1：針對數據集中的每個樣本，計算每個頂點的軟組織厚度值；針對所有樣本，計算每個頂點的軟組織厚度均值和方差，利用改進的K均值聚類算法，按軟組織厚度進行聚類分為四類；聚類過程中首先均勻采樣設定聚類中心和較小粒度的聚類條件，然后完成初始分類并建立各分類間的鄰接關系無向圖，最后以含有頂點數較多的分類為中心通過合并鄰接分類完成指定數量的聚類；

步驟4.2：針對目標顱骨和目標面貌模型，依據每個頂點對應的軟組織厚度分類，將顱骨頂點和面貌頂點進行分區，實現基于軟組織厚度的顱面分區；

步驟4.3：針對顱骨各個分區點云，計算主成分系數和特征向量；針對面貌各個分區點云，計算主成分系數和特征向量；

步驟4.4：針對每個分區數據集，設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]分別為該分區中每個樣本顱骨的主成分和對應面貌的主成分，則顱骨和面貌之間的形態關系M＝{M_i,i＝1,2,L,k}能表示為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為權值，I為單位矩陣，則顱骨和面貌間的形態關系表示為M＝{(M₁,M₂,L,M_k)}；

5：未知身源顱骨的面貌復原。