基于三維模型的顱骨相似度評(píng)價(jià)方法,可以用來(lái)檢測(cè)不同顱骨之間的相似程度,進(jìn)而為推測(cè)面貌的相似度提供參考、為顱骨性別鑒定提供可靠依據(jù),從而輔助提高顱面復(fù)原的效果以及基于顱骨的身份認(rèn)證的準(zhǔn)確性。為促進(jìn)顱面形態(tài)學(xué)的研究,提高顱面復(fù)原的精度,本文進(jìn)行了基于三維顱骨的相似度評(píng)價(jià)研究,從顱骨特征提取和相似性度量?jī)煞矫孢M(jìn)行研究;同時(shí)將三維顱骨相似度評(píng)價(jià)的研究方法應(yīng)用于顱骨的性別鑒定中,為性別鑒定的研究提供新的思路和方法。本文的主要研究?jī)?nèi)容包括:1.基于SPCA的顱骨相似度評(píng)價(jià)方法將三維顱骨數(shù)據(jù),利用SPCA獲取稀疏主成分,將測(cè)試顱骨數(shù)據(jù)映射到稀疏主成分空間中,進(jìn)行降維。由此將三維顱骨高維數(shù)據(jù)簡(jiǎn)化為能夠表征顱骨的低維特征向量,將該特征向量通過(guò)均方誤差、歸一化內(nèi)積不同的相似性度量方法找出最相似顱骨。將基于SPCA的顱骨相似度評(píng)價(jià)方法與基于PCA的顱骨相似度評(píng)價(jià)方法進(jìn)行比較,實(shí)驗(yàn)結(jié)果表明,SPCA提取的顱骨特征穩(wěn)定性更高,基于SPCA的顱骨相似度評(píng)價(jià)方法的精確度、可解釋性、計(jì)算速度等方面均優(yōu)于基于PCA的顱骨相似度評(píng)價(jià)方法。2.基于Wasserstein距離的顱骨相似度評(píng)價(jià)方法利用SPCA和PCA對(duì)三維顱骨... 

【文章來(lái)源】：青島大學(xué)山東省

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

手動(dòng)標(biāo)定的特征點(diǎn)集

18圖3.1基于SPCA的顱骨相似度方法流程圖3.3.1SPCA提取顱骨特征本文實(shí)驗(yàn)中利用108套顱骨數(shù)據(jù)做訓(xùn)練集，采用SPCA提取顱骨特征，其步驟為：首先通過(guò)PCA算法獲取主成分載荷向量構(gòu)成的矩陣V；然后采用一般SPCA算法步驟獲取稀疏主成分，具體步驟如下：步驟一：令A(yù)=V(,1:k)，即A為由前k個(gè)加載向量構(gòu)成的矩陣。步驟二：根據(jù)給定的A=[α1,α2,,αk]，優(yōu)化彈性網(wǎng)：bj=argminb(αjb)TXTX(αjb)+λ||b||2+δ||b||1步驟三：對(duì)于給定的B=[b1,b2,,bk]，計(jì)算的XTXB=UDVT的SVD，更新A=UVT。步驟四：重復(fù)步驟二和步驟三，直至B收斂，在向下進(jìn)行，進(jìn)入步驟五。步驟五：歸一化,得到Vj=bj|bj|，j=1,2,,k通過(guò)SPCA提取特征，獲得L（本文實(shí)驗(yàn)中，L=60）個(gè)稀疏主成分，然后將T套測(cè)試集樣本矩陣X投影到稀疏主成分對(duì)應(yīng)的方向上，獲得測(cè)試集三維顱骨提取的特征點(diǎn)數(shù)據(jù)，即降維后的顱骨數(shù)據(jù)構(gòu)成T×L的矩陣Y。其中yi和yj，分別代表測(cè)試顱骨xi和xj在稀疏主成分上的投影，即測(cè)試顱骨xi和xj由SPCA提取的三維顱骨特征點(diǎn)。SPCA中得到矩陣V是由訓(xùn)練集得到的稀疏主成分矩陣，其中V的每一列是一個(gè)稀疏主成分，將其加到由訓(xùn)練集得到的平均顱骨上，然后與平均顱骨進(jìn)行對(duì)比，就能得到每一個(gè)稀疏主成分反映的具體區(qū)域。由于SCPA獲得的稀疏主成分，是線性相關(guān)的，所以PCA中計(jì)算方差貢獻(xiàn)率的方法不適用于SPCA。計(jì)算稀疏主成分在相似性比較中的貢獻(xiàn)率，ZhaoJ等[29]提出了三種基于均方誤差公式的重要性度量方法，其一為根據(jù)均方誤差公式可以計(jì)算出降維矩陣Y的第i個(gè)顱骨和第j個(gè)顱骨的相似度，因此可以根據(jù)公式3-(6)計(jì)算出顱骨相似度評(píng)價(jià)中每個(gè)稀疏主成分的比例，構(gòu)成矩陣R。

PCA 主成分

【參考文獻(xiàn)】：
期刊論文
[1]利用樸素貝葉斯分類器的視頻分類方法[J]. 龐博,成東坡.  武漢工程職業(yè)技術(shù)學(xué)院學(xué)報(bào). 2019(03)
[2]基于CNN和樸素貝葉斯方法的安卓惡意應(yīng)用檢測(cè)算法[J]. 李創(chuàng)豐,李云龍,孫偉.  信息安全研究. 2019(06)
[3]基于樸素貝葉斯的檔案分類研究[J]. 劉佩鑫,于洪志,徐濤.  河北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(05)
[4]結(jié)合改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)和最小二乘法的顱骨性別鑒定[J]. 楊穩(wěn),劉曉寧,劉雄樂(lè),朱麗品.  人類學(xué)學(xué)報(bào). 2019(02)
[5]基于分區(qū)的破損顱骨性別判別方法[J]. 楊穩(wěn),劉曉寧,朱菲,耿國(guó)華,趙倩娜.  計(jì)算機(jī)應(yīng)用研究. 2019(09)
[6]基于BP和樸素貝葉斯的時(shí)間序列分類模型[J]. 王會(huì)青,郭芷榕,白瑩瑩.  計(jì)算機(jī)應(yīng)用研究. 2019(08)
[7]基于樸素貝葉斯軌道交通網(wǎng)絡(luò)客流分配模型[J]. 翁小雄,汪周盼,黃靖翔.  重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(06)
[8]基于LBP特征和熵正則化Wasserstein距離的人臉表情識(shí)別[J]. 鄭昌金,章登義,蘇科華,武小平,洪程.  計(jì)算機(jī)與數(shù)字工程. 2017(02)
[9]三維顱骨形態(tài)量化表示與非線性性別判定[J]. 任榮榮,周明全,耿國(guó)華,劉曉寧,趙倩娜.  北京師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(01)
[10]基于Wasserstein距離和分裂Bregman方法的圖像分割算法[J]. 王瑜,閆沫.  電子設(shè)計(jì)工程. 2017(02)

碩士論文
[1]計(jì)算機(jī)輔助三維顱骨性別鑒定方法研究[D]. 趙倩娜.西北大學(xué) 2016
[2]三維顱面測(cè)量及其相似度評(píng)估方法的研究與實(shí)現(xiàn)[D]. 李楠.西北大學(xué) 2011



本文編號(hào)：3147263