顱骨配準是顱面復(fù)原的重要步驟之一,其配準精度和效率對復(fù)原結(jié)果有著重要的影響。為了提高顱骨點云模型的配準精度和效率,本文提出了一種層次優(yōu)化的顱骨點云配準方法。將顱骨配準分為粗配準和細配準兩個過程。首先對顱骨點云模型進行去噪、簡化和歸一化等預(yù)處理;然后對顱骨點云模型提取特征點并計算其特征序列,根據(jù)特征序列進行約束尋找初始對應(yīng)點對,并采用k-means算法剔除誤匹配點,實現(xiàn)顱骨粗配準;最后通過加入幾何特征約束的改進迭代最近點（ICP）算法實現(xiàn)顱骨細配準,從而達到顱骨精確配準的目的。本文分別對粗配準、細配準和先粗再細完整配準過程進行實驗,結(jié)果表明:粗配準過程,與未優(yōu)化的粗配準算法相比,本文優(yōu)化后的粗配準算法的配準精度提高了約35%,算法耗時增加了約6%;細配準過程,與ICP算法相比,本文改進ICP算法的配準精度和收斂速度分別提高了約20%和43%,算法耗時減少了約47%;先粗再細的完整配準過程,本文算法的配準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云配準算法,可以實現(xiàn)顱骨點云的精確配準。 

【文章來源】：光學精密工程. 2019,27(12)北大核心EICSCD

【文章頁數(shù)】：10 頁

【部分圖文】：

顱骨模型預(yù)處理

在顱骨粗配準實驗中將267套顱骨點云數(shù)據(jù)作為測試樣本進行粗配準，并計算均方根誤差對配準結(jié)果進行量化評價。為了驗證本文提出的方法具有較好的精度和較高的效率，將本文粗配準方法的未優(yōu)化和優(yōu)化兩種方式的結(jié)果進行對比。未優(yōu)化，是指得到初始匹配點對后，不進行剔除誤匹配點對操作；優(yōu)化，是指得到初始匹配點對后，再采用k-means算法剔除誤匹配點對。實驗時，待配準顱骨有207 487個點，目標顱骨有210 304個點，提取的特征點數(shù)量分別為695個和698個。待配準顱骨與目標顱骨的粗配準結(jié)果，如圖2所示。粗配準效率對比，如表1所示。從圖3可以看出，本文的配準效果較好。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，由于誤匹配點的影響，未優(yōu)化的粗配準方法配準后兩個顱骨的下頜部分沒有完全重合，而本文方法配準后的兩個顱骨重合較好，說明兩個顱骨位置基本一致。對實驗中的兩種種方法分別計算了配準誤差和算法耗時，如表1所示。與基于自旋圖的粗配準算法相比，本文改進的自旋圖配準算法配準精度提高了約35%，而且算法耗時增加了約6%。由于本文采用k-means算法剔除誤匹配點對，所以耗時會增加，但是精度的提升很明顯。因此，本文算法有效地提高了配準的精度。通過粗配準可以看出，兩個顱骨已經(jīng)大體位于同一坐標系下。

在顱骨細配準時，以選用的267套顱骨數(shù)據(jù)為樣本進行實驗，分別采用標準ICP算法和本文改進的ICP算法進行細配準，并對配準的結(jié)果進行對比分析。從圖4細配準結(jié)果可以看出，兩種算法都可以實現(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的實驗結(jié)果數(shù)據(jù)可以看出，本文改進的ICP算法對采樣點的選取和誤匹配點的改進，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次才能實現(xiàn)顱骨的精確配準，本文算法只需要32次迭代就可以實現(xiàn)精確配準。與ICP算法相比，本文改進的ICP算法配準精度收斂速度分別提高了約20%和43%，而且算法耗時降低了約47%。因此，本文方法細配準過程耗時更少，并且精度也有所提高。

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



本文編號：3352956