發(fā)布時(shí)間：2021-08-20 06:02

　　顱骨配準(zhǔn)是顱面復(fù)原的重要步驟之一,其配準(zhǔn)精度和效率對(duì)復(fù)原結(jié)果有著重要的影響。為了提高顱骨點(diǎn)云模型的配準(zhǔn)精度和效率,本文提出了一種層次優(yōu)化的顱骨點(diǎn)云配準(zhǔn)方法。將顱骨配準(zhǔn)分為粗配準(zhǔn)和細(xì)配準(zhǔn)兩個(gè)過程。首先對(duì)顱骨點(diǎn)云模型進(jìn)行去噪、簡(jiǎn)化和歸一化等預(yù)處理;然后對(duì)顱骨點(diǎn)云模型提取特征點(diǎn)并計(jì)算其特征序列,根據(jù)特征序列進(jìn)行約束尋找初始對(duì)應(yīng)點(diǎn)對(duì),并采用k-means算法剔除誤匹配點(diǎn),實(shí)現(xiàn)顱骨粗配準(zhǔn);最后通過加入幾何特征約束的改進(jìn)迭代最近點(diǎn)（ICP）算法實(shí)現(xiàn)顱骨細(xì)配準(zhǔn),從而達(dá)到顱骨精確配準(zhǔn)的目的。本文分別對(duì)粗配準(zhǔn)、細(xì)配準(zhǔn)和先粗再細(xì)完整配準(zhǔn)過程進(jìn)行實(shí)驗(yàn),結(jié)果表明:粗配準(zhǔn)過程,與未優(yōu)化的粗配準(zhǔn)算法相比,本文優(yōu)化后的粗配準(zhǔn)算法的配準(zhǔn)精度提高了約35%,算法耗時(shí)增加了約6%;細(xì)配準(zhǔn)過程,與ICP算法相比,本文改進(jìn)ICP算法的配準(zhǔn)精度和收斂速度分別提高了約20%和43%,算法耗時(shí)減少了約47%;先粗再細(xì)的完整配準(zhǔn)過程,本文算法的配準(zhǔn)精度和收斂速度都要優(yōu)于其他兩種方法。證明了本文方法是一種有效的顱骨點(diǎn)云配準(zhǔn)算法,可以實(shí)現(xiàn)顱骨點(diǎn)云的精確配準(zhǔn)。 

【文章來源】：光學(xué)精密工程. 2019,27(12)北大核心EICSCD

【文章頁(yè)數(shù)】：10 頁(yè)

【部分圖文】：

顱骨模型預(yù)處理

在顱骨粗配準(zhǔn)實(shí)驗(yàn)中將267套顱骨點(diǎn)云數(shù)據(jù)作為測(cè)試樣本進(jìn)行粗配準(zhǔn)，并計(jì)算均方根誤差對(duì)配準(zhǔn)結(jié)果進(jìn)行量化評(píng)價(jià)。為了驗(yàn)證本文提出的方法具有較好的精度和較高的效率，將本文粗配準(zhǔn)方法的未優(yōu)化和優(yōu)化兩種方式的結(jié)果進(jìn)行對(duì)比。未優(yōu)化，是指得到初始匹配點(diǎn)對(duì)后，不進(jìn)行剔除誤匹配點(diǎn)對(duì)操作；優(yōu)化，是指得到初始匹配點(diǎn)對(duì)后，再采用k-means算法剔除誤匹配點(diǎn)對(duì)。實(shí)驗(yàn)時(shí)，待配準(zhǔn)顱骨有207 487個(gè)點(diǎn)，目標(biāo)顱骨有210 304個(gè)點(diǎn)，提取的特征點(diǎn)數(shù)量分別為695個(gè)和698個(gè)。待配準(zhǔn)顱骨與目標(biāo)顱骨的粗配準(zhǔn)結(jié)果，如圖2所示。粗配準(zhǔn)效率對(duì)比，如表1所示。從圖3可以看出，本文的配準(zhǔn)效果較好。以顱骨下頜部分為例，從正面視圖和側(cè)面視圖都可以看出，由于誤匹配點(diǎn)的影響，未優(yōu)化的粗配準(zhǔn)方法配準(zhǔn)后兩個(gè)顱骨的下頜部分沒有完全重合，而本文方法配準(zhǔn)后的兩個(gè)顱骨重合較好，說明兩個(gè)顱骨位置基本一致。對(duì)實(shí)驗(yàn)中的兩種種方法分別計(jì)算了配準(zhǔn)誤差和算法耗時(shí)，如表1所示。與基于自旋圖的粗配準(zhǔn)算法相比，本文改進(jìn)的自旋圖配準(zhǔn)算法配準(zhǔn)精度提高了約35%，而且算法耗時(shí)增加了約6%。由于本文采用k-means算法剔除誤匹配點(diǎn)對(duì)，所以耗時(shí)會(huì)增加，但是精度的提升很明顯。因此，本文算法有效地提高了配準(zhǔn)的精度。通過粗配準(zhǔn)可以看出，兩個(gè)顱骨已經(jīng)大體位于同一坐標(biāo)系下。

在顱骨細(xì)配準(zhǔn)時(shí)，以選用的267套顱骨數(shù)據(jù)為樣本進(jìn)行實(shí)驗(yàn)，分別采用標(biāo)準(zhǔn)ICP算法和本文改進(jìn)的ICP算法進(jìn)行細(xì)配準(zhǔn)，并對(duì)配準(zhǔn)的結(jié)果進(jìn)行對(duì)比分析。從圖4細(xì)配準(zhǔn)結(jié)果可以看出，兩種算法都可以實(shí)現(xiàn)比較好的效果，從視覺上可能很難區(qū)分哪種效果更好。但是通過表2的實(shí)驗(yàn)結(jié)果數(shù)據(jù)可以看出，本文改進(jìn)的ICP算法對(duì)采樣點(diǎn)的選取和誤匹配點(diǎn)的改進(jìn)，加快了匹配的速度，所需要的迭代次數(shù)也減小，而ICP算法需要迭代56次才能實(shí)現(xiàn)顱骨的精確配準(zhǔn)，本文算法只需要32次迭代就可以實(shí)現(xiàn)精確配準(zhǔn)。與ICP算法相比，本文改進(jìn)的ICP算法配準(zhǔn)精度收斂速度分別提高了約20%和43%，而且算法耗時(shí)降低了約47%。因此，本文方法細(xì)配準(zhǔn)過程耗時(shí)更少，并且精度也有所提高。

【參考文獻(xiàn)】：
期刊論文
[1]顱骨點(diǎn)云模型的優(yōu)化配準(zhǔn)[J]. 趙夫群,周明全.  光學(xué)精密工程. 2017(07)
[2]基于特征信息分類的三維點(diǎn)數(shù)據(jù)去噪[J]. 吳祿慎,史皓良,陳華偉.  光學(xué)精密工程. 2016(06)
[3]抗強(qiáng)剪切攻擊的四元數(shù)彩色圖像零水印算法[J]. 何冰.  圖學(xué)學(xué)報(bào). 2015(06)



本文編號(hào)：3352956