基于偏最小二乘回归局部形状关系建模的颅面复原方法

针对基于主成分分析(PCA)的颅面联合统计复原中建模方法未充分考虑颅骨对面皮表面形状影响的局部性、模型对颅骨与面皮之间形状变化关系描述能力不足的问题,提出一种基于偏最小二乘回归(PLSR)局部形状关系建模的颅面复原方法。首先,深入分析基于PCA的颅面整体形状统计建模方法的缺陷,以及利用PLSR进行局部形状关系统计建模的优势;然后,将PLSR引入到颅面形状关系建模过程中,以按照法医人类学知识分类和具有生理点对应关系的颅面三维表面模型为训练集,针对每一类面皮上的每一个表面顶点,建立关于与其局部紧密相关的颅骨表面顶点集的PLSR坐标计算模型;进而,利用面皮表面顶点的坐标计算模型获得待复原面皮各顶点坐标来实现面貌复原,并给出基于PLSR局部形状关系建模的颅面复原方法的具体步骤;最后,给出通过PLSR局部形状关系建模进行颅面复原的多个实例,并采用有效复原能力和绝对误差等多种评估指标进行对比评估。实验结果表明,基于PLSR局部形状关系建模方法能显著提高颅面复原的准确度。     

基于TPS变形的3D面皮层次点对应方法

在统计模型的颅面复原中,针对如何建立三维面皮间顶点的生理一致对应关系的问题,提出一种面皮层次点对应方法(HPCM).根据Frankfurt坐标系下特征点的严格对应关系对样本面皮进行薄板样条变形,使其与模板面皮近似重合.在此基础上分别建立体素模型,结合顶点的欧式距离、局部相对位置与几何特征等多重约束确定最优对应点.实验结果表明,HPCM提高了点对应的精度,可有效建立颅面统计复原所需的具备生理点对应关系的面皮样本.     

基于变形与测地距离一致性约束的3D面皮点对应

针对三维面皮生理点对应关系建立这一难题,充分考虑测地距离在描述复杂几何体表面形状方面的优势,提出了基于变形与测地距离一致性约束的3D面皮生理点对应方法。首先在Frankfurt坐标变换后标定面皮特征点集,利用特征点对应关系进行TPS变形;然后根据特征点几何特征向量建立初始点对应关系集,并利用测地距离一致性约束对其进行修剪以生成对应关系核心集;最后扩展对应关系核心集,直至确定源模型上每一顶点的对应关系。实验表明,该方法提高了点对应关系准确度,可有效建立三维面皮生理点对应关系。     

基于测地回归模型的颅面复原

颅面复原是指根据一个未知颅骨的特征预测出对应的面貌,在考古研究、医学整容、刑事案件调查等领域有重要应用.为解决颅面复原过程中存在着数据量大、需要大量标定特征点的手工工作及颅面特征点定义困难的问题,针对三角网格表示的三维颅骨和面皮模型,将颅面模型用从鼻尖出发的一组测地线表示,提出了基于测地回归的颅面复原方法.该方法首先从三维人脸模型的鼻尖点提取一组测地线;然后以颅骨和对应的人脸模型上提取的测地线作为训练样本,采用偏最小二乘回归统计模型复原未知颅骨对应人脸模型的测地线;最后通过迭代最近点算法将生成的测地线与人脸统计模型进行匹配,实现复原测试颅骨的面貌.在192套颅面数据库上进行了颅面复原实验,将基于测地回归法复原的结果与主成分分析法和偏最小二乘回归法复原结果对比,实验结果表明,该方法能够提高复原精度,减少复原时间,取得了良好的复原效果.     

分区变形与多尺度约束结合的3D面皮点对应

针对准确建立3D面皮间点对应关系这一难题, 引入积分不变量的多尺度约束, 提出了分区变形与多尺度约束结合的3D面皮点对应方法。首先对待对应面皮和参考面皮进行法兰克福坐标矫正和特征点的标定。然后在对面皮完成测地线分区的基础上, 对各分区进行径向基函数变形, 使两个面皮的相应分区近似重合。最后在参考面皮上选取待对应点, 根据重合的面皮分区间局部相对位置的稳定性, 在待对应面皮上建立待对应点的候选集, 利用体积积分不变量的多尺度约束选定最佳对应点, 进而实现了3D面皮的点对应。实验表明, 算法有效提高了点对应的准确度。     

特征点自动标定的颅面复原及其评估方法

为了采用计算机技术从人头颅骨样本重构出个性化的三维表面面部特征,提出一种特征点自动标定的颅面复原算法.首先利用特征点自动标定算法对待复原颅骨模型进行特征点标定;然后在基于模板变形的颅面复原算法基础上引入Laplace坐标网格变形技术,以实现待复原颅骨模型的颅面复原.为了验证文中算法进行颅面复原结果的可靠性,提出一种采用计算颅面整体特征和局部特征相似度的颅面复原结果评估方法.实验结果表明,文中提出的特征点自动标定算法大大提高了颅面复原前期工作的效率,颅面复原算法对待复原颅骨的颅面复原取得了良好的复原效果;同时,颅面复原结果评估方法达到了主观与客观评价上的一致,对复原结果验证有良好的指导作用.     

基于Snake模型和射线法的颅面重建方法

MC颅面重构方法复原的面皮和颅骨三角片数量大且存在杂质。针对该问题,基于断层轮廓序列,利用改进的Snake模型提取闭合颅骨轮廓线,通过射线法对该轮廓线进行二次处理得到最外层轮廓线,从而实现颅面三维重构。实验结果表明,该方法在颅面数据量较小的情况下,可以准确表达人的面部和颅骨的形态信息。     

基于参数化的三维颅面配准

针对颅面配准问题,提出通过对颅面进行参数化将其转换成二维参数域的对应问题。首先,根据人类的生理特征标定6个特征点,利用这些特征点将颅面转换到一个统一的坐标系以实现姿态和大小的统一;其次,以两个外眼角为约束对参考颅面进行最小二乘保角映射,计算出6个特征点的参数值;然后,以这六个生理特征点的参数值为约束,利用最小二乘保角映射将任一待配准模型映射到二维参数域;最后,根据二维参数域确定三维颅面上的对应点,从而实现三维数据配准。为了验证所提方法,以对应点为控制点,利用薄板样条(TPS)变换把参考颅面变形到目标颅面,以变形后两个模型上对应点之间的几何距离的平均为度量,将所提算法和基于主轴分析的迭代最近点(ICP)配准以及基于随机采样控制点的迭代TPS配准方法进行了比较,实验结果表明,所提算法的配准效果优于其他两种方法。     

颅面重构中颅面相似度比较*

目前颅面重构技术往往利用目标颅骨所反映出的种族、性别、年龄、营养情况等信息来选择参考颅骨或者参考面部模板进行颅面重构,但这些信息并不包括颅骨自身的信息（如形状信息）;在得到颅面重构的结果后,评估生成的人脸到底像不像其本人的真实人脸,数值化评估重构结果尚待完善。基于以上问题,提出了一种颅面相似度比较的方法,将颅面特征点分为形状特征点和一般特征点,针对不同特征点计算不同距离来衡量颅面相似度。实验结果表明,利用该方法选择出的参考颅骨或面部模板与志愿者的选择基本一致,可用于进行颅面重构后续计算并对重构结果进行评估。     

三维颅骨模型获取方法研究

颅面复原是一种对人类的颅骨进行面部容貌复原的技术,该技术以人类学、法医学、解剖学中的头骨与面貌相互关系规律为科学依据,广泛应用于考古、刑侦等领域。其中获取三维颅骨模型是实现复原的第一步,颅骨模型的准确与否会直接影响到将来颅面复原的准确性。文中主要介绍了两种获取三维颅骨模型的方法,一种是对CT图像进行面绘制三维重构,另一种是使用三维扫描仪获取三维颅骨模型。之后对获取的颅骨模型建立法兰克福坐标系。实验表明,通过这两种方法获取的颅骨模型为颅面复原提供了良好的颅骨原始数据。     

基于骨架关节点约束的交互式局部变形

利用广义元球变形技术,提出一种基于骨架关节点约束的交互式局部变形方法。该方法提取多边形网格模型的骨架关节点并结合模型骨架图结构确定骨架关节点对应的局部区域,计算三维网格点到骨架节点的欧式距离,将约束区域的最大欧氏距离作为约束半径,得到各骨架节点对应的势函数值,通过控制骨架节点的空间位置给出三角形面片点的新坐标位置。实验结果表明,该方法有效保持多边形网络模型的局部特征,并确保了模型变形的直观性和高效性。     

三维颅骨模型获取方法研究

颅面复原是一种对人类的颅骨进行面部容貌复原的技术,该技术以人类学、法医学、解剖学中的头骨与面貌相互关系规律为科学依据,广泛应用于考古、刑侦等领域。其中获取三维颅骨模型是实现复原的第一步,颅骨模型的准确与否会直接影响到将来颅面复原的准确性。文中主要介绍了两种获取三维颅骨模型的方法,一种是对cT图像进行面绘制三维重构,另一种是使用三维扫描仪获取三维颅骨模型。之后对获取的颅骨模型建立法兰克福坐标系。实验表明,通过这两种方法获取的颅骨模型为颅面复原提供了良好的颅骨原始数据。     

改进的统计模型三维人脸特征点标定算法框架

自动三维人脸特征点标定是计算机视觉领域的研究热点,其广泛应用于人脸识别,人脸模型配准,表情识别,脸部动画等领域。通过对三维人脸样本统计建模,采用遗传算法对待匹配模型的生成数目进行参数优化,利用模型相似性匹配方法及其映射关系对三维人脸特征点进行自动标定。首先,对三维人脸数据预处理,然后对其统计建模并通过模型形变得到有映射关系的基准模型和待匹配模型。利用遗传算法对待匹配模型中的待匹配模型生成数目参数进行优化,生成与之对应的待匹配模型数;接着计算待测模型与待匹配模型的相似度。最后,利用模型相似度和模型映射关系,间接得到待测模型的特征点。实验结果表明,提出的算法是可行的,能够在一定程度上提高原有算法的效率。该算法可以自动标定三维人脸模型的特征点,当距离阈值为10像素时,39个三维人脸特征点定位的准确率都可以达到100%,并有效解决了传统方法中三维人脸模型平滑区域特征点精度不高的问题。     

基于Apriori图挖掘算法的优化及其在3D构造解析的应用

基于Apriori的图挖掘(Apriori-based Graph Mining,AGM)算法结构简单,以递归统计为基础,但在面临庞大图数据集时,由于存在子图同构问题,在生成候选子图时容易产生很多冗余子图,增大了计算时间的开销。因此在AGM算法基础上提出一种改进方法,通过增加约束来减少候选子图生成数量,同时引入三次元坐标对图的顶点间的距离进行计算,并归结到边的标识当中,以处理三维图结构数据。通过改进算法对化学化合物进行分析,描述其三维化学结构以及生理活性上的相互关系,并测试了不同条件下改进方法的时间开销,实验结果表明在边标识数较多的情况下改进算法比原算法缩短了计算时间,提高了效率。     

基于生物启发特征的真实环境笑脸分类方法

为解决生物启发模型(BIM)存在的3个问题,即高计算复杂度、有争议的视觉皮层关系建模,以及类前向反馈机制带来的盲目特征选择,提出一种基于生物启发特征(BIF)的真实环境笑脸分类方法。构建基于BIF的笑脸分类系统,提取人脸表情图像嘴部区域的金字塔梯度方向直方图特征,使用局部保持投影进行BIM特征降维,采用Adaboost算法进行BIM特征选择。实验结果验证,该系统的最佳识别率达96.5%。     

Reshaping 3D facial scans for facial appearance modeling and 3D facial expression analysis

3D face scans have been widely used for face modeling and analysis. Due to the fact that face scans provide variable point clouds across frames, they may not capture complete facial data or miss point-to-point correspondences across various facial scans, thus causing difficulties to use such data for analysis. This paper presents an efficient approach to representing facial shapes from face scans through the reconstruction of face models based on regional information and a generic model. A new approach for 3D feature detection and a hybrid approach using two vertex mapping algorithms, displacement mapping and point-to-surface mapping, and a regional blending algorithm are proposed to reconstruct the facial surface detail. The resulting models can represent individual facial shapes consistently and adaptively, establishing facial point correspondences across individual models. The accuracy of the generated models is evaluated quantitatively. The applicability of the models is validated through the application of 3D facial expression recognition using the static 3DFE and dynamic 4DFE databases. A comparison with the state of the art has also been reported.     

基于 Kinect 的拉普拉斯网格形变三维人脸建模

为了快速创建真实感较强的三维人脸模型,提出了基于 Kinect 的拉普拉斯网格形 变建模方法。利用 Kinect 获取彩色和深度图像信息,对深度图像进行双边滤波处理,对彩色图 像进行低层级顶点定位;构建标准三维人脸模型,并为该人脸模型中的顶点建立低、中、高 3 个级别的层级结构,通过低、中层级中顶点的位置关系创建 Sibson 局部坐标约束;利用该约束 构建彩色图像中间层级顶点,并结合深度信息对标准三维人脸模型进行拉普拉斯网格变形,获 得真实感较强的三维人脸模型。实验结果表明,该算法在建模的真实感上得到了提高,与对比 算法相比,在建模时间上得到很大的优化。     

人脸表情的LBP特征分析

为了有效提取面部表情特征,提出了一种新的基于LBP（局部二值模式）特征的人脸表情识别特征提取方法。首先用均值方差法对表情图像进行灰度规一化,通过对图像进行积分投影,定位出眉毛、眼睛、鼻和嘴巴这些关键特征点,进而划分出各特征部件所在子区域,然后对子区域进行分块,提取各个子区域的分块LBP直方图特征。为了验证所提出的方法的合理性,最后在JAFFE表情库上进行了实验,结果表明提出的方法能够有效地描述表情的特征。