颅面五官分割与形态统计中的关键技术研究

The research of morphology of craniofacial features is mainly to study the growth law of face and skull, the law of facial appearance. It is an important branch of human body studying. The morphology of craniofacial features is the key technology, also difficult, of the facial reconstruction. The present morphology data are mostly based on the X-ray, so the statistical range is relatively small, and is not related to the three-dimensional morphology. With the improvement of people's living condition, many changes are happened on the morphology of craniofacial features, we need the newest and more scientific features of morphological data. Based on the craniofacial grid data, the main research contents in this project include: ①the dynamical registration of craniofacial based on CPD; ②the segmentation of craniofacial features based on SVDD; ③To realize different craniofacial between data consistency consistency, we use hierarchical multiple constraints corresponding method of normalization features each partition data; ④the foundation of features morphology statistical model. Based on the model, we can find the key differences between different skulls, and analyze the craniofacial morphological features of Mongoloid in different age and sex. This project is based on the data we have got by several years. The research achievements can provide a scientific basis for skull reconstruction, cosmetic surgery and other related fields.

颅面五官形态主要研究面貌与颅骨五官的生长变化规律、外观形态规律及相互关系，是人类体貌规律研究的重要分支。五官形态是颅骨复原中的关键技术和难点，现有的形态数据大多基于X线片获取，统计范围小，且未涉及三维形态。随着人类生活水平的提高，颅面五官形态发生了不小的变化，急需更新的、更科学的五官形态数据。 本项目以颅面网格数据为基础，主要研究内容包括：①基于颅面边缘点的CPD（Coherent Point Drift）三维颅面数据自动配准技术；②基于SVDD的颅面五官分割技术；③采用多重约束的层次点对应方法进行五官各分区数据的规格化处理，实现不同颅面之间数据稠密度一致性；④建立基于统计的五官形态统计模型，发现不同人颅骨之间的本质差异点，分析蒙古人种不同年龄、不同性别的颅面五官形态规律。 本项目建立在多年积累的头颅图像集基础之上, 研究成果可为颅骨复原、医学整容等相关领域提供科学依据与应用基础

颅面五官形态主要研究面貌与颅骨五官的生长变化规律、外观形态规律及相互关系，是人类体貌规律研究的重要分支。五官形态是颅骨复原中的关键技术和难点。..本项目以颅面点云数据为基础，主要研究颅面五官分区与颅骨五官形态统计模型的相关技术，取得的主要进展有：. （1）采集活体头颅数据80套，其中男性48套，女性32套，年龄分布在19-41岁之间。完成了本次采集的数据以及前序工作中重建的共161套颅面78个特征点的标定。. （2）颅面五官分区方法研究：提出基于测地线的颅面分区方法，该算法基于MMP算法计算获取封闭测地线，结合活跃点移动切割算法进行五官分割，相比于之前采用的基于几何体的分区方法，获取的分区边界更加光滑、准确；提出一种基于谱聚类的颅面分区算法，将颅骨与面皮的点映射到谱空间，通过划分谱空间区域达到颅面模型划分的目的，实现颅面五官分区。. （3）颅面数据规格化处理：基于ICP的刚性配准，使两个面皮分区模型在空间上尽可能接近，基于TPS变形的全局非刚性配准，消除了仿射变换，建立了模型间的点对应关系。提出了基于体素模型与多尺度约束的三维面皮点对应算法, 利用模板和未知面皮特征点集的对应关系对未知面皮做TPS变形，建立面皮体素化模型，根据面部特征局部相对稳定性，求解特征点集的多几何特征，在其约束下，确定最优对应点；提出了加入迭代因子的层次化颅骨配准方法，通过计算体积积分不变量，确定颅骨每个点的凹凸性，并聚类为多个或凹或凸的特征区域，通过主成分分析法来计算两个颅骨的相似特征区域，对每一个可能的匹配计算三维变换，将两个颅骨粗略对齐，最后采用加入迭代因子的ICP算法进行精确配准。. （4）以性别为基础的颅骨形态统计模型：以性别识别为目标，对不同性别的颅骨形态进行了统计，分别采用了Fisher判别、Logistic回归和支持向量机三种分类方法进行了性别判定，并建立了残缺颅骨的性别识别模型。.成果可用于颅面复原中的细节处理，为未知颅骨的身份认定提供支持，应用前景广泛。. 项目执行期内，我们共参加了3次国内外学术会议，2次外出学习，发表论文14篇，9篇已经正式刊出；SCI检索2篇，EI检索7篇，合作资助出版专著1部，培养6名硕士生获得学位，另有1名博士生和5名在读硕士继续本课题后序研究。