[发明专利]基于层次化回归模型的颅面重构方法有效
申请号: | 201210298913.7 | 申请日: | 2012-08-21 |
公开(公告)号: | CN102855666A | 公开(公告)日: | 2013-01-02 |
发明(设计)人: | 段福庆;武仲科;周明全 | 申请(专利权)人: | 北京师范大学 |
主分类号: | G06T17/30 | 分类号: | G06T17/30 |
代理公司: | 北京中海智圣知识产权代理有限公司 11282 | 代理人: | 吴红飞 |
地址: | 100875 北*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 层次 回归 模型 颅面重构 方法 | ||
技术领域
本发明涉及面皮重构的方法,特别涉及一种基于层次化回归模型的颅面重构方法,属于法医人类学技术领域。
背景技术
颅骨是人类面貌的内在生物特征,根据颅骨形态实现面貌重构是法医人类学领域的典型应用项目。传统的手工方法是在待定颅骨的基础上,借助解剖测量和针刺测量途径获得人脸软组织的厚度规律,由艺术家雕塑而成,即需要人类学家、艺术家和医生合作完成,其缺点是较多的依赖重构者个人对颅面特征和艺术的把握,因此其面貌重构的结果受主观因素影响较大,不具备科学推广的价值,并且重构一个颅面需要几天的时间。
目前,现有的根据颅骨形态实现面貌重构的较为科学的方法基本上分为两类:一类是基于软组织厚度测量的方法。通过测量一定数量的颅面样本在颅骨上一些关键特征点处的平均软组织厚度作为经验知识,对于目标颅骨,首先根据这些平均软组织厚度的经验值,获得颅骨关键特征点处的面皮位置,然后通过插值、变形等技术得到整个颅骨的面皮。这类方法只要求在颅骨上标注少量关键特征点,并获得这些点的软组织厚度,所需的数据较少。然而,这些关键特征点处的软组织厚度和颅面形状之间并没有直接的相关关系;另一类是基于统计变形模型的方法。这类方法将一套颅骨和面皮数据组织为一个整体形成一个向量,通过对大量的训练样本进行主成份分析(PCA),建立参数化的颅面统计变形模型,通过优化的方法将统计模型匹配到目标颅骨,获得模型参数实现颅面重构。上述现有方法本质上是针对仅具有小部分数据的颅面样本求解数据缺失这一病态问题,其缺点是优化过程容易陷入局部极小区域,很难体现颅骨的特征点对面皮重构的决定性作用。
发明内容
为了克服现有方法的不足,本发明利用颅骨与面皮的内在本质关系,提供一种能够根据颅骨进行面皮重构的基于层次化回归模型的颅面重构方法。主要用于刑侦、考古、法医人类学、医学手术、美容整容等领域。
为实现上述目的,本发明的技术方案是从面皮中分割出眼睛、鼻子、嘴巴三个特征区域,分别将颅骨、面皮、眼睛、鼻子、嘴巴投影到不同的低维子空间,在低维子空间建立层次化回归模型,包括眼睛、鼻子、嘴巴三个特征区域的局部回归模型和面皮整体的回归模型。对待重构的目标颅骨,利用层次化回归模型能够得到面皮整体重构和眼睛、鼻子、嘴巴三个局部特征区域的重构结果,通过融合整体和局部重构结果得到最终的面皮。
本发明的方法的具体步骤包括:
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。
优选地,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。
优选地,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。
优选地,步骤2.3)中所述的模型融合采用如下方法:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京师范大学,未经北京师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201210298913.7/2.html,转载请声明来源钻瓜专利网。