本文關(guān)鍵詞： 顱骨配準(zhǔn) 特征區(qū)域 積分不變量 主成分分析法 改進(jìn)迭代最近點(diǎn)(ICP)算法 迭代因子　出處：《中國(guó)圖象圖形學(xué)報(bào)》2017年04期 　論文類(lèi)型：期刊論文

【摘要】：目的在基于知識(shí)的顱面復(fù)原中,為了對(duì)未知顱骨的面貌進(jìn)行復(fù)原,需要在顱骨庫(kù)里尋找相似顱骨,將相似顱骨的面皮作為參考。尋找相似顱骨的過(guò)程即顱骨配準(zhǔn),配準(zhǔn)的精度和效率是兩個(gè)重要性能指標(biāo)。本文提出一種基于特征區(qū)域和改進(jìn)ICP(iterative closest point)算法的層次化顱骨配準(zhǔn)方法。方法首先,將顱骨模型去噪、簡(jiǎn)化并歸一化,通過(guò)計(jì)算體積積分不變量,確定每個(gè)點(diǎn)的凹凸性;使用K-means方法,將顱骨上的點(diǎn)聚類(lèi)為多個(gè)或凹或凸的特征區(qū)域。然后,通過(guò)主成分分析法來(lái)計(jì)算兩個(gè)顱骨的相似特征區(qū)域,對(duì)每一個(gè)可能的匹配計(jì)算3維變換,將兩個(gè)顱骨粗略對(duì)齊;最后,采用加入迭代因子的方法對(duì)ICP算法進(jìn)行改進(jìn),使用改進(jìn)的ICP算法對(duì)顱骨進(jìn)行精配準(zhǔn)。結(jié)果將本文方法用于顱骨模型、兵馬俑模型以及公共數(shù)據(jù)集中的3維模型配準(zhǔn),經(jīng)典ICP算法的配準(zhǔn)時(shí)間分別為6.23 s、7.61 s、4.17 s,改進(jìn)的ICP算法配準(zhǔn)時(shí)間分別為3.02 s、3.23 s、2.83 s,算法效率提高了約2倍,配準(zhǔn)效果也有明顯提高。實(shí)驗(yàn)中通過(guò)對(duì)迭代因子的測(cè)試,發(fā)現(xiàn)不同的數(shù)據(jù)集需要設(shè)定不同的迭代因子。結(jié)論本文所提出的基于區(qū)域特征的層次化配準(zhǔn)方法提高了顱骨配準(zhǔn)的精度和效率,整個(gè)過(guò)程不需要人工干預(yù),該算法具有一定的普適性,可用于相似3維模型配準(zhǔn)。
[Abstract]:Objective in the process of knowledge based craniofacial restoration, in order to recover the unknown skull, we need to look for the similar skull in the skull bank. The face skin of the similar skull is taken as reference. The process of finding the similar skull is the registration of the skull. The accuracy and efficiency of registration are two important performance indexes. In this paper, a new method based on feature region and improved ICP(iterative closest point is proposed. The hierarchical skull registration method of the algorithm. The skull model is de-noised, simplified and normalized, and the convexity of each point is determined by calculating the volume integral invariant. Using K-means method, the points on the skull are clustered into multiple concave or convex feature areas. Then, the similar feature areas of the two skulls are calculated by principal component analysis. Three dimensional transformation is calculated for each possible match, and the two skulls are roughly aligned. Finally, the ICP algorithm is improved by adding iterative factors, and the improved ICP algorithm is applied to the fine registration of the skull. Results the method is applied to the skull model. For the terracotta Warriors model and the 3D model in the common data set, the registration time of the classical ICP algorithm is 6.23 s-1 7.61 sm 4.17 s respectively. The registration time of the improved ICP algorithm is 3.02 s-1 3.23 s-1 2.83 s, and the efficiency of the improved algorithm is increased about 2 times. The registration effect is also improved obviously. The iterative factor is tested in the experiment. It is found that different data sets need to set different iterative factors. Conclusion the hierarchical registration method based on region features proposed in this paper improves the accuracy and efficiency of skull registration without manual intervention. The algorithm is universal and can be used for similar 3D model registration.
【作者單位】： 西北大學(xué)信息科學(xué)與技術(shù)學(xué)院;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(61305032,61572400,61373117) 陜西省教育廳科研專(zhuān)項(xiàng)(2013JK1180)~~
【分類(lèi)號(hào)】：TP311.13;D919
【正文快照】： Vol.22,No.4,April 2017ent skulls is subsequently calculated by comparing their principal components and areas.Optimal matching is conductedthrough exhaustive search.The optimal 3D transform for each potential pair of matched feature regions approximately

【相似文獻(xiàn)】

相關(guān)期刊論文 前9條

1 王遠(yuǎn)軍;聶生東;尹偉;;一種實(shí)用的多模醫(yī)學(xué)圖像配準(zhǔn)方法[J];生物醫(yī)學(xué)工程學(xué)雜志;2013年05期

2 顧順德,陳瑛,聶生東,章魯;數(shù)理統(tǒng)計(jì)在醫(yī)學(xué)圖像配準(zhǔn)評(píng)價(jià)中的應(yīng)用[J];上海第二醫(yī)科大學(xué)學(xué)報(bào);2000年S1期

3 徐建;秦安;孟曉林;陳武凡;馮前進(jìn);;基于CUDA的2D、3D剛性配準(zhǔn)方法[J];中國(guó)醫(yī)學(xué)物理學(xué)雜志;2010年02期

4 宮晶晶;孫毅勇;常兆華;;三維心腔標(biāo)測(cè)圖與CT分割圖像配準(zhǔn)方法的研究[J];生物醫(yī)學(xué)工程學(xué)雜志;2011年03期

5 謝新鵬,王淑珍,陳武凡;眼底圖像配準(zhǔn)方法的進(jìn)展[J];中國(guó)醫(yī)學(xué)物理學(xué)雜志;1998年01期

6 趙增軍;李寶生;孫洪福;王中堂;尹勇;劉同海;付政;方守信;;應(yīng)用運(yùn)動(dòng)體模對(duì)SPECT/CT圖像不同配準(zhǔn)方法的研究[J];中華腫瘤防治雜志;2009年23期

7 劉凡,高上凱;EEG電極與MRI頭模型的配準(zhǔn)方法[J];國(guó)外醫(yī)學(xué).生物醫(yī)學(xué)工程分冊(cè);2000年03期

8 馬廣棟;李承軍;付敬國(guó);吳冰;;不同解剖區(qū)域配準(zhǔn)方法對(duì)鼻咽癌體位誤差的影響[J];醫(yī)療衛(wèi)生裝備;2011年07期

9 ;[J];;年期

相關(guān)會(huì)議論文 前1條

1 韋海軍;梁甸農(nóng);朱炬波;;一種適合長(zhǎng)基線(xiàn)、復(fù)雜地形的InSAR精配準(zhǔn)方法[A];第十四屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)(CCSP-2009)論文集[C];2009年

相關(guān)博士學(xué)位論文 前9條

1 趙麗亞;腫瘤手術(shù)導(dǎo)航中圖像分割與配準(zhǔn)方法研究[D];北京工業(yè)大學(xué);2016年

2 孫少燕;基于像素灰度的醫(yī)學(xué)圖像剛性配準(zhǔn)方法研究[D];大連理工大學(xué);2007年

3 李琦;多模態(tài)醫(yī)學(xué)影像魯棒配準(zhǔn)方法研究[D];西安電子科技大學(xué);2013年

4 徐玉華;二維光學(xué)和距離圖像配準(zhǔn)方法及其應(yīng)用研究[D];合肥工業(yè)大學(xué);2011年

5 張建國(guó);骨科導(dǎo)航手術(shù)中數(shù)字幾何處理相關(guān)技術(shù)的研究及其應(yīng)用[D];上海交通大學(xué);2009年

6 王曉華;基于集成互補(bǔ)不變特征的多源遙感影像配準(zhǔn)方法研究[D];中國(guó)礦業(yè)大學(xué);2013年

7 徐麗燕;基于特征點(diǎn)的遙感圖像配準(zhǔn)方法及應(yīng)用研究[D];南京理工大學(xué);2012年

8 王海南;基于互信息的多模醫(yī)學(xué)圖像配準(zhǔn)方法研究[D];西北工業(yè)大學(xué);2006年

9 欒紅霞;基于定量定性互信息的醫(yī)學(xué)圖像配準(zhǔn)[D];上海交通大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 范霞妃;基于正交學(xué)習(xí)差分進(jìn)化算法的遙感圖像配準(zhǔn)方法研究[D];西安電子科技大學(xué);2014年

2 陳凱;基于特征的遙感圖像配準(zhǔn)方法研究[D];西安電子科技大學(xué);2014年

3 王詩(shī)琴;鼻咽癌進(jìn)行圖像引導(dǎo)放療時(shí)不同配準(zhǔn)方法對(duì)體位校正的影響[D];廣州醫(yī)學(xué)院;2010年

4 何夢(mèng)s，

本文編號(hào)：1453423