專利名稱：一種基于張量空間偏最小二乘回歸的顱面重構(gòu)方法
技術領域：
本發(fā)明涉及面皮重構(gòu)方法，特別涉及一種通過在張量空間進行偏最小二乘回歸來實現(xiàn)對未知顱骨進行面皮重構(gòu)的方法。主要用于刑偵、考古、法醫(yī)人類學、醫(yī)學手術、美容整容等領域。
背景技術：
顱骨是人類面貌的內(nèi)在生物特征，根據(jù)顱骨形態(tài)實現(xiàn)面貌重構(gòu)是法醫(yī)人類學領域的典型應用項目。傳統(tǒng)的手工重構(gòu)是在待定顱骨的基礎上，借助解剖測量和針刺測量途徑獲得人臉軟組織的厚度規(guī)律，由藝術家雕塑而成，屬于人類學家、藝術家和醫(yī)生的領域，較多的依賴重構(gòu)者個人對顱面特征和藝術的把握，其結(jié)果受主觀因素影響較大，不具備科學推廣的價值，并且重構(gòu)一個顱面需要幾天的時間。目前，計算機輔助的顱面三維重構(gòu)已引起國際信息學、人類學、法醫(yī)學等相關領域的高度重視，成為國際上研究的熱點。典型技術可分為兩類一類是基于軟組織厚度測量的方法。通過測量一定數(shù)量的顱面樣本在顱骨上一些關鍵特征點處的平均軟組織厚度作為經(jīng)驗知識，對于目標顱骨，首先根據(jù)這些平均軟組織厚度的經(jīng)驗值，獲得顱骨關鍵特征點處的面皮位置，然后通過插值、 變形等技術得到整個顱骨的面皮。這類方法只要求在顱骨上標注少量關鍵特征點，并獲得這些點的軟組織厚度，所需的數(shù)據(jù)較少。然而，這些關鍵特征點處的軟組織厚度和顱面形狀之間并沒有直接的相關關系；另一類是基于統(tǒng)計變形模型的方法。這類方法將一套顱骨和面皮數(shù)據(jù)組織為一個整體形成一個向量，通過對大量的訓練樣本進行主成份分析(PCA)，建立參數(shù)化的顱面統(tǒng)計變形模型，通過優(yōu)化的方法將統(tǒng)計模型匹配到目標顱骨，獲得模型參數(shù)實現(xiàn)顱面重構(gòu)。這類方法本質(zhì)上是對僅具有小部分數(shù)據(jù)的顱面樣本求解數(shù)據(jù)缺失這一病態(tài)問題，優(yōu)化過程容易陷入局部極小，很難體現(xiàn)顱骨對面皮的決定性作用。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種基于張量空間偏最小二乘回歸的顱面重構(gòu)方法。為實現(xiàn)上述目的，本發(fā)明的技術解決方案是分別將顱骨和面皮變換到不同的張量特征空間，利用偏最小二乘技術分性別進行面皮張量特征對顱骨張量特征和顱面屬性的回歸建模。對待重構(gòu)的目標顱骨，利用建立的回歸模型得到相應的面皮張量特征，根據(jù)張量特征重構(gòu)出目標面皮。方法簡單易行，速度快，充分體現(xiàn)了顱骨決定面貌這一本質(zhì)聯(lián)系，重構(gòu)準確度高。本發(fā)明所述顱面重構(gòu)方法的主要步驟包括1模型訓練1. 1數(shù)據(jù)處理，把訓練樣本中的三維顱面統(tǒng)一到法蘭克福坐標系(Frankfurt Horizontal)并將大小規(guī)格化，去除數(shù)據(jù)中不屬于面部的部分，對顱骨和面皮分別進行三維數(shù)據(jù)配準，將配準后的顱骨和面皮轉(zhuǎn)化為二維深度圖。1. 2張量特征提取，將顱骨和面皮分別變換到顱骨張量特征空間和面皮張量特征空間；1. 3回歸模型建立，采用偏最小二乘回歸分性別建立面皮張量特征對顱骨張量特征和屬性(年齡、體重指數(shù)BMI)的回歸模型。2顱面重構(gòu)2. 1數(shù)據(jù)處理把待重構(gòu)的未知顱骨統(tǒng)一到法蘭克福坐標系并將大小規(guī)格化，將未知顱骨與訓練樣本中的顱骨進行數(shù)據(jù)配準，將配準后的未知顱骨轉(zhuǎn)化為二維深度圖；2. 2張量特征提取將未知顱骨變換到顱骨張量特征空間；2. 3特征回歸，估計顱骨的性別和屬性(年齡、體重指數(shù)BMI)，根據(jù)其張量特征和屬性，利用1.3)中建立的回歸模型回歸出相應的面皮張量特征；2. 4三維面皮重構(gòu)，根據(jù)回歸到的面皮張量特征恢復其二維深度圖，將得到的二維深度圖轉(zhuǎn)化為三維點云數(shù)據(jù)。


圖1為本發(fā)明基于張量空間偏最小二乘回歸的顱面重構(gòu)方法的總體流程圖。
具體實施例方式下面結(jié)合附圖對本發(fā)明所述一種基于張量空間偏最小二乘回歸的顱面重構(gòu)法作進一步詳細的說明。下面參考圖1對本發(fā)明基于張量空間偏最小二乘回歸的顱面重構(gòu)方法進行詳盡的描述。實現(xiàn)本發(fā)明所述方法的具體步驟是1模型訓練1. 1數(shù)據(jù)處理把三維顱面統(tǒng)一到法蘭克福坐標系，按顱骨左耳孔Lp和右耳孔Rp這兩個特征點間的距離將顱骨和面皮的大小規(guī)格化，人工去除數(shù)據(jù)中不屬于面部的部分，對顱骨訓練樣本和面皮訓練樣本分別進行三維數(shù)據(jù)配準，將配準后的顱骨和面皮轉(zhuǎn)化為二維深度圖。1. 2張量特征提取按照顱面的生理特征將每個顱骨和每個面皮的深度圖分為k個大小相同且部分重疊的小區(qū)域，分別將訓練樣本中全體顱骨和全體面皮的深度圖按身份、區(qū)域位置、區(qū)域橫向和縱向信息變化的方向組織為四階張量Ds e Rnxkxhx^P Df e Rmxkxhxw,其中，η和m分別為訓練樣本中顱骨和面皮的個數(shù)，k為小區(qū)域個數(shù)，h和w分別是每個小區(qū)域的行數(shù)和列數(shù)， 通過執(zhí)行張量分解和空間降維得
權利要求
1. 一種基于張量空間偏最小二乘回歸的顱面重構(gòu)方法，其特征在于，包括下列步驟1)模型訓練1.1)數(shù)據(jù)處理，把訓練樣本中的三維顱面統(tǒng)一到法蘭克福坐標系并將大小規(guī)格化，去除數(shù)據(jù)中不屬于面部的部分，對顱骨和面皮分別進行三維數(shù)據(jù)配準，將配準后的顱骨和面皮轉(zhuǎn)化為二維深度圖；1. 2)張量特征提取，將顱骨和面皮分別變換到顱骨張量特征空間和面皮張量特征空間；1.3)回歸模型建立，采用偏最小二乘回歸分性別建立面皮張量特征對顱骨張量特征和年齡、體重指數(shù)BMI屬性的回歸模型；2)顱面重構(gòu)2.1)數(shù)據(jù)處理把待重構(gòu)的未知顱骨統(tǒng)一到法蘭克福坐標系并將大小規(guī)格化，將未知顱骨與訓練樣本中的顱骨進行數(shù)據(jù)配準，將配準后的未知顱骨轉(zhuǎn)化為二維深度圖；2. 2)張量特征提取將未知顱骨變換到顱骨張量特征空間；2. 3)特征回歸，估計顱骨的性別和年齡、體重指數(shù)BMI屬性，根據(jù)其張量特征和屬性， 利用1.3)中建立的回歸模型回歸出相應的面皮張量特征；2. 4)三維面皮重構(gòu)，根據(jù)回歸到的面皮張量特征恢復其二維深度圖，將得到的二維深度圖轉(zhuǎn)化為三維點云數(shù)據(jù)。
2.按照權利要求1所述的方法，其特征在于，所述第1. 2)步中的張量特征空間是由訓練樣本集中全體樣本所確定的特征空間，其確定過程如下按照顱面的生理特征將每個顱骨和每個面皮的深度圖分為大小相同且部分重疊的小區(qū)域，分別將訓練樣本集中全體顱骨和全體面皮的深度圖按身份、區(qū)域位置、區(qū)域的縱向和橫向信息變化的方向組織為一個四階張量Ds e Rnxkxhx^P Df e Rmxkxhxw,其中，η為訓練樣本集中顱骨的個數(shù)，m為面皮的個數(shù)，k為每個深度圖所確定的小區(qū)域個數(shù)，h和w分別是每個小區(qū)域的行數(shù)和列數(shù)，通過執(zhí)行張量分解和空間降維得下式(1)和O)Ds ^ Cs X iUpeople X 2UregionX 3Urow ^ ^column — ^s X iUpeople ......(丄)其中CS是核張量，控制著身份、區(qū)域位置、區(qū)域縱向和橫向這四個模式之間的相互作用，U-fe eiT ,Mregwn^Rkyk' ,VrW、，是四個行正交的矩陣，由其行向量分別確定了相應的模式特征空間，ns，ks，hs，ws分別是相應空間經(jīng)過降維以后的空間維數(shù)，Ts — CsX2UregionX3UrowX4Ucolumn 是顱骨身份張量； Df ^ Cf X ιVpeople X 2Vregion X 3Vrow X 4VCoiumn = TfX1Ypec5ple (2)其中cf是核張量，W NregwnWf ’V_GRh ，V-_ eiT，是四個行正交的矩陣，由其行向量分別確定了相應的模式特征空間，nf, kf，hf，wf分別是相應空間經(jīng)過降維以后的空間維數(shù)，Tf = CfX2VregionX3VrowX4Vcolm是面皮身份張量；定義顱骨原始特征向量
3.按照權利要求1所述的方法，其特征在于，所述第2.4)步中根據(jù)回歸到的面皮張量特征恢復其深度圖如下J = ^ypeople ……(5)其中為回歸到的面皮張量特征，$為恢復出的面皮原始特征向量，根據(jù)面皮原始特征向量的定義得到面皮的深度圖。
4.按照權利要求2所述的方法，其特征在于，所述訓練樣本集可以包含一部分僅有顱骨或僅有面皮的樣本，但必須包含一定數(shù)量的既有顱骨又有面皮的顱面樣本。
全文摘要
本發(fā)明涉及計算機應用技術領域的一種通過在張量空間進行偏最小二乘回歸來實現(xiàn)對未知顱骨進行面皮重構(gòu)的方法。所述方法分別將訓練樣本中全體顱骨和全體面皮組織為兩個四階張量，通過張量分解將顱骨和面皮變換到不同的張量特征空間，利用偏最小二乘技術分性別進行面皮張量特征對顱骨張量特征的回歸建模。對待重構(gòu)的目標顱骨，按照與訓練樣本相同的方式變換到顱骨張量特征空間，利用建立的回歸模型得到相應的面皮張量特征，根據(jù)張量特征重構(gòu)出目標面皮。本發(fā)明所述方法充分體現(xiàn)了顱骨決定面貌這一本質(zhì)聯(lián)系，避免了以往基于統(tǒng)計模型的重構(gòu)中求解數(shù)據(jù)缺失這一病態(tài)問題。在刑偵、考古、法醫(yī)人類學、醫(yī)學手術、美容整容等領域具有重要的應用價值。
文檔編號G06T17/00GK102521875SQ20111038209
公開日2012年6月27日 申請日期2011年11月25日 優(yōu)先權日2011年11月25日
發(fā)明者周明全, 武仲科, 段福慶 申請人:北京師范大學