[发明专利]基于层次化回归模型的颅面重构方法

权利要求书

1.基于层次化回归模型的颅面重构方法，其特征在于，包括下列步骤：

1)模型训练；

1.1）数据处理：对训练样本集中的颅骨和面皮分别进行非刚性三维数据配准，并将颅骨和面皮的姿态和大小规格化，分别得到顶点个数相同、语义相同、连接关系一致的颅骨三维网格模型样本集和面皮三维网格模型样本集，然后从每个面皮的三维网格模型中分割出眼睛、鼻子、嘴巴三个区域的三维网格模型，最后分别将每个颅骨、面皮、眼睛、鼻子、嘴巴的三维网格模型按点的坐标规格化为一个高维原始特征向量；

1.2）子空间分析：对步骤1.1）中得到的训练样本的颅骨、面皮、眼睛、鼻子、嘴巴的高维原始特征向量集分别进行子空间分析，得到五个子空间投影矩阵，并将这些高维数据投影到相应的低维子空间；

1.3）层次化回归模型建立：分别建立面皮、眼睛、鼻子、嘴巴的子空间特征对颅骨子空间特征的回归模型；

2）颅面重构；

2.1）数据处理：将未知颅骨与训练样本集中的颅骨进行非刚性三维数据配准，将未知颅骨的姿态和大小规格化，并按点的坐标将未知颅骨规格化为一个高维原始特征向量；

2.2）层次化面皮模型重构：利用步骤1.2）中的颅骨子空间投影矩阵将步骤2.1）中得到的未知颅骨的高维原始特征向量投影到颅骨子空间，利用步骤1.3）建立的层次化回归模型得到相应于未知颅骨的面皮、眼睛、鼻子、嘴巴的子空间特征，根据相应的子空间特征恢复出未知颅骨的面皮整体三维网格模型和眼睛、鼻子、嘴巴这三个区域的局部三维网格模型；

2.3)模型融合：融合面皮整体三维网格模型和眼睛、鼻子、嘴巴这三个局部的三维网格模型得到未知颅骨的重构面皮。

2.根据权利要求1所述的基于层次化回归模型的颅面重构方法，其特征在于，步骤1.2）中所述子空间分析采用独立成份分析ICA、主成份分析PCA中的一种。

3.根据权利要求2所述的基于层次化回归模型的颅面重构方法，其特征在于，步骤1.3）中所述的回归模型建模采用岭回归、偏最小二乘回归方法中的一种。

4.根据权利要求1-3任一项所述的基于层次化回归模型的颅面重构方法，其特征在于，步骤2.3）中所述的模型融合采用如下方法：

首先，定义三维网格模型上顶点P的K阶邻接点如下：定义P本身为P的0阶邻接点；存在一条边与P直接相连的顶点称为P的1阶邻接点；与P的K-1阶邻接点直接相连且不属于P的0阶到K-1阶邻接点集的顶点称为P的K阶邻接点；模型融合的具体步骤为：

a.根据眼睛、鼻子、嘴巴局部三维网格模型与面皮整体三维网格模型上的点对应确定眼睛、鼻子、嘴巴局部三维网格模型到面皮整体三维网格模型的旋转平移变换，并将眼睛、鼻子、嘴巴局部三维网格模型变换到面皮整体三维网格模型；

b.确定变换后眼睛、鼻子、嘴巴局部三维网格模型的边界顶点集L₀＝{Xi，i＝1，2，...，n₀}，以及L₀的0阶到K阶邻接点集h＝0，1，...，K，假定L₀在面皮整体三维网格模型上的对应点集为G₀={Y_i，i＝1，2，...，n₀}，确定一个TPS插值变换f满足下面的插值要求

f(Xi)=Yi,i=1,2,...,n0f(XiK)=XiK,i=1,2,...,nK---(1);]]>

c.对所述局部三维网格模型上的顶点作下述变换，对L₀的邻接点集L_h，h=0，1，...，K施行变换f，而所述局部三维网格模型上除这些邻接点以外的其它顶点保持不变，用变换后的顶点代替面皮整体三维网格模型上的对应点，得到融合后的重构面皮。

5.根据权利要求4所述的基于层次化回归模型的颅面重构方法，其特征在于，所述邻接点阶数K的值为4。