[发明专利]基于三维随机森林模型的头影测量图像中特征点定位方法

摘要

本发明公开了一种基于三维随机森林模型的头影测量图像中特征点定位方法，属于图像处理技术领域。方法包括：为每个目标特征点构建一个双层回归森林模型，并利用每个训练图像训练每个目标特征点的双层回归森林模型，得到预测的各特征点对应的位移场；对待测头影测量图像，利用已训练的各特征点对应的双层回归森林模型进行预测，获得每个特征点的位移场；根据各特征点的位移场计算得到对应的偏移距离图，根据偏移距离图计算获得每个特征点的坐标位置。本发明中每个目标特征点都有一个双层回归森林模型作为特征点检测器，第二层回归森林可以显著提升每一个预测位移场的质量，因此该方法可以比传统方法更加精确地检测到解剖特征点。

主权项

1.基于三维随机森林模型的头影测量图像中特征点定位方法，其特征是，包括以下过程：S1，获取一定数量三维头影测量图像作为训练图像集；S2，在每个训练图像中随机选取若干个采样点，计算每个采样点的三维外观特征；S3，为每个目标特征点构建一个双层回归森林模型，并利用每个训练图像及其三维外观特征训练每个目标特征点的双层回归森林模型，得到预测的各特征点对应的位移场；S4，对待测头影测量图像，利用已训练的各特征点对应的双层回归森林模型进行预测，获得每个特征点的位移场；S5，根据各特征点的位移场计算得到对应的偏移距离图，根据偏移距离图计算获得每个特征点的坐标位置；双层回归森林模型保留两层回归森林模型，分别记为第一层回归森林模型和第二层回归森林模型；训练每个目标特征点的双层回归森林模型的训练过程为：首先训练第一层回归森林模型：计算每个训练图像中各采样点到目标特征点的三维坐标偏移向量；以每个训练图像中三维外观特征及三维坐标偏移向量作为输入，训练第一层回归森林模型；得到训练图像上每个体素到目标特征点的位移矢量，这些位移矢量形成目标特征点的初始位移场；然后通过在初始位移场上取L2范数，获得训练图像上每个体素与目标特征点之间的距离，各个体素与目标特征点之间的距离构成第一层偏移距离图；然后训练第二层回归森林模型：从获得的第一层偏移距离图中提取采样点的高级上下文特征；以每个训练图像中三维外观特征及高级上下文特征作为输入，训练第二层回归森林模型；得到训练图像上每个体素到目标特征点的位移矢量，这些位移矢量形成目标特征点的位移场；再通过在位移场上取L2范数，获得训练图像上每个体素与目标特征点之间的距离，各个体素与目标特征点之间的距离构成第二层偏移距离图。