CN111222407B - 一种采用均匀切片和拐点特征提取的腭皱识别方法 - Google Patents

一种采用均匀切片和拐点特征提取的腭皱识别方法 Download PDF

Info

Publication number
CN111222407B
CN111222407B CN201911130386.7A CN201911130386A CN111222407B CN 111222407 B CN111222407 B CN 111222407B CN 201911130386 A CN201911130386 A CN 201911130386A CN 111222407 B CN111222407 B CN 111222407B
Authority
CN
China
Prior art keywords
inflection point
palate
tangent line
inflection
points
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911130386.7A
Other languages
English (en)
Other versions
CN111222407A (zh
Inventor
武有成
上官宏
李冰
王安红
张�雄
罗强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Taiyuan University of Science and Technology
Original Assignee
Taiyuan University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Taiyuan University of Science and Technology filed Critical Taiyuan University of Science and Technology
Priority to CN201911130386.7A priority Critical patent/CN111222407B/zh
Publication of CN111222407A publication Critical patent/CN111222407A/zh
Application granted granted Critical
Publication of CN111222407B publication Critical patent/CN111222407B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明属于人体生物特征法医同一认定技术领域，具体技术方案为：一种采用均匀切片和拐点特征提取的腭皱识别方法，具体步骤为：一、获取三维腭皱数据；二、对三维腭皱数据进行均匀切片，对所有切片进行数据预处理，获取腭皱切线的坐标序列；三、提取每个切片腭皱切线的拐点和拐角特征，所有腭皱切线的坐标位置、拐点及拐角共同组成腭皱的特征向量；四、逐一比对测试样本特征和样本特征库中的特征，输出匹配结果；本方法提出的均匀切片和拐点特征提取的方法，弥补了现有三维腭皱数据识别方法欠缺的问题，识别效果可观。

Description

一种采用均匀切片和拐点特征提取的腭皱识别方法
技术领域
本发明属于人体生物特征法医同一认定技术领域，具体涉及一种采用均匀切片和拐点特征提取的腭皱识别方法。
背景技术
同一认定是一种法医通过对已知和未知客体的两个或多个特征指标之间异同点的比较和鉴别，推断出所研究客体是否来自同一客体的认识活动。同一认定采用的特征指标需满足唯一性、普遍性、永久性、可采集性及可识别性等条件。目前，随着现代法医学及人工智能技术的快速发展，人类的某些固有生理特性(如牙齿、颅面形态、指纹、掌纹、DNA等)已成为重要的同一认定特征指标。尽管学者们对上述特征指标进行了一定研究，但仍存在一些不足。一方面，由于解剖位置处于人体表面的指纹、掌纹、颅面等特征指标，容易受到诸如火灾、化学腐蚀或外部创伤等环境因素的影响而产生信息缺失；在重大自然灾害及恐怖袭击中，环境和经济因素也常常限制大规模遇难者DNA测定的实现。另一方面，随着生物识别技术(例如人脸识别、指纹识别、虹膜识别等)的广泛商业应用，一些犯罪分子通过制造假指纹、面部整容、牙齿手术等手段逃避司法。因此，针对不易被破坏和伪造且成本较低的人类特征指标的研究，是提高犯罪鉴定准确率、完善同一认定的切实需求。
腭皱(Palatal Rugae,PR),也称为腭横襞，是位于硬腭前部三分之一，自腭中缝向两侧非对称分布的不规则软组织嵴。由于其位于口腔内部且受到脸颊、舌、牙齿及上下颌骨等口腔周边组织的保护，对环境如高温和创伤等具有较强的耐受性，在诸如重大自然灾害、焚烧、白骨化、腐败等软组织严重破坏的案例中，相对容易得到保存。腭皱自胚胎阶段的第三个月开始形成至人体最终死亡，腭皱只会因正常生长发育而出现长度变化，其形态、排列、相对位置始终保持稳定，即使手术、外伤或化学腐蚀也很难改变腭皱的形态和位置，并且腭皱在死亡7天内可抵制腐化分解而保持其形态不发生变化。同时，针对腭皱形态的***研究表明，腭皱由遗传基因控制发育而成，其形态模式在不同个体之间互有差异，具有普遍性、唯一性及稳定性。腭皱可以作为一种同一认定特征指标。
尽管针对腭皱形态的描述与分析，各国学者均进行了大量的研究。然而由于不规则纹路的多变性及复杂性，腭皱同一认定研究中仍存在诸多问题。第一，腭皱数据采集和保存方式落后，缺乏简单快捷的描述方法。国内外学者尝试从不同角度研究腭皱形态的编码方法，但由于世界上不同种族、国家的人腭皱形态具有差异性和复杂多变性，腭皱的形态描述仍然缺乏统一标准，多数研究集中在对腭皱形状的粗略比较上。腭皱数据采集所采用石膏模型，也存在易损坏、物理储存困难、数据传输与共享困难、时间成本较高等缺点。第二，腭皱形态描述仍没有实现数字化。目前腭皱研究多采用人工标注，人工绘制腭皱纹路形状，直接用眼睛区分腭皱的形态，标注结果易受标注者个人理解影响，测量方法本身主观性强；此外，人工标注速度慢，欠缺精确性保障，不便于批量处理；在进行腭皱同一认定时，采集到的新样本必须由标注专家先进行标注，才能进行识别，实时性得不到保障。第三，三维腭皱识别相关研究尚处于起步阶段。腭皱形态的三维数字化分析尚处于起步阶段，还没有针对多种样本进行相对成熟的大量的重复研究验证，目前依然没有一种相对准确、可多次重复的数字化腭皱形态描述标准可以投入商业生物识别或司法实践(个人身份同一认定)过程中。
发明内容
本发明要解决现有三维腭皱识别技术欠缺的不足，提供了一种用于法医同一认定的采用均匀切片和拐点提取的腭皱识别方法，处理过程易于理解，识别效果良好。
为实现上述目的，本发明所采用的技术方案为：一种采用均匀切片和拐点特征提取的腭皱识别方法，具体步骤为：
步骤一、获取三维腭皱数据信息；
步骤二、对三维腭皱数据进行均匀切片和预处理，获取腭皱切片的坐标序列；
步骤三、提取每个切片腭皱切线的拐点特征，所有腭皱切线的坐标位置、拐点及拐角共同组成腭皱的特征向量；
步骤四、基于拐点特征识别的腭皱切线匹配，输出匹配结果。
在步骤一中，志愿者平躺并口内消毒，志愿者张口至最大张度，采用3Shape iTero对口腔内的腭皱进行非接触式扫描，扫描完成后，将完整的腭皱扫描样本导入计算机保存，以.stl格式送入测量***，通过OrthoAnalyzer进行数据格式转换，获得三维腭皱数字数据。
非接触式扫描所依据的原则是：曲率大的地方测量点多，均匀或光滑的区域数据点少。
具体的扫描顺序为：一、从志愿者上颌的右侧咬牙合面到左侧咬合面；二、从志愿者上颌的左侧颊面到右侧颊面；三、从志愿者上颌上颌的右侧舌侧面到左侧舌侧面。
在步骤二中，将三维腭皱数据均匀切片，进而对得到的切片进行预处理，包括去除背景颜色、提取目标腭皱切线及标定腭皱切线有意义识别区。
在步骤三中，将腭皱切线中变化剧烈的点认为是腭皱切线的拐点，将腭皱切线的骨架信息转换为区域链码信息，区域链码信息获取方法为：对步骤二中得到的表示腭皱切线位置的坐标序列一维数组进行处理，L是一个确定的值，L的单位为像素数，腭皱切线上的像素点aM代表从左端起第M个像素，像素点aM+L表示与像素点距离为L的像素，像素点aM到像素点aM+L的矢量方向角定义为像素点aM的区域链码方向角，遍历整个腭皱切线有意义识别区，获取所有像素点区域链码方向角，这些矢量方向角组成了腭皱切线的区域链码方向角信息；初步确定腭皱切线的拐点，确定方法为：从左端点开始遍历腭皱切线有意义识别区的所有像素点，定义像素点到像素点的矢量方向角为像素点的拐角，若像素点的拐角大于给定阈值10°，则认为像素点是腭皱切线的拐点，为拐点的拐角，依次处理所有像素点，便可得到腭皱切线的拐点序列，这些拐点在腭皱切线上近似直线的区域分布稀疏，在腭皱切线的弯曲区域分布密集，当在某段切线中有连续若干点都是拐点时，从中选择具有代表性的拐点作为这段切线的拐点；对初步确定的拐点进行筛除，剔除腭皱切线上的冗余拐点，剔除原则为在一定像素长度内认为只有一个具有代表性的拐点，剔除方法为：将腭皱切线上的所有拐点按照拐角的大小进行排序，从大到小依次***拐点，如果***某个拐点时，在它的左右5个像素距离内没有已***的拐点，则准许此拐点***，否则不进行***，继续处理下一个拐点，这样最终得到一个拐点间距离不小于5个像素的拐点序列，这样便得到了腭皱切线的有效拐点；获取腭皱切线的相邻拐点特征和相隔拐点特征，相邻拐点特征的确定方法：由左向右从第2个拐点开始处理，若拐点P为当前拐点，计算拐点P到其前一个相邻拐点P1的距离LP1，P到其后一个相邻拐点P2的距离LP2，拐点P1到拐点P的方向角θP1，拐点P到拐点P2的方向角θP2，ΔθP＝θP1-θP2，及拐点P的前后相邻距离比ΔL＝LP1/LP2，距离和方向角为相邻拐点特征；相隔拐点特征的确定方法：由左向右从第3个拐点开始处理，若拐点P为当前拐点，计算拐点P到其前一个相隔拐点Q1的距离LQ1，P到其后一个相隔拐点Q2的距离LQ2，拐点Q1到拐点Q的方向角θQ1，拐点Q到拐点Q2的方向角θQ2，ΔθQ＝θQ1-θQ2，及拐点P的前后相隔距离比ΔL′＝LQ1/LQ2，这些量都是相隔拐点特征。
在步骤四中，逐一比对测试样本特征和样本特征库中的特征，得到匹配误差，小于匹配误差则认为匹配成功。
本方法提出的均匀切片和拐点特征提取的方法，弥补了现有三维腭皱数据识别方法欠缺的问题，识别效果可观。
附图说明
下面结合附图对本发明做进一步详细的说明。
图1为本发明的整体流程图。
图2为三维腭皱的示意图。
图3为三维腭皱切片的示意图。
图4为每个切片的腭皱切线预处理过程示意图。
图5为2号样本不同切片的腭皱切线有意义识别区标定结果示意图。
图6为2号样本第10切片的腭皱切线有意义识别区的像素点示意图。
图7为2号样本第10切片的腭皱切线区域链码示意图。
图8为2号样本第10切片的腭皱切线初步确定拐点示意图。
图9为2号样本不同切片的腭皱切线有效拐点示意图。
图10为2号样本第10切片的腭皱切线拐点特征示意图。
具体实施方式
现在结合附图对本发明作进一步详细的说明，附图为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
一种采用均匀切片和拐点特征提取的腭皱识别方法，具体步骤为：
步骤一：采集三维腭皱数据，具体地，对口腔器械及采集设备进行消毒，让口腔志愿者平躺在牙椅上，将志愿者的椅位调整为规范位置(即：志愿者下颌与地面平行，上颌与地面垂直)，对志愿者进行口内消毒，让志愿者尽可能大张口，如图1所示，采用3ShapeiTero进行非接触式扫描，扫描原则是曲率大的地方测量点多，均匀或光滑的区域数据点少，具体扫描顺序为：①从志愿者上颌的右侧咬牙合面到左侧咬合面；②上颌的左侧颊面到右侧颊面；③上颌的右侧舌侧面到左侧舌侧面，最后检查各个面的腭皱是否完整，如果不完整，进行补扫，扫描完成后，将样本导入计算机保存，以.stl格式送入测量***，通过OrthoAnalyzer进行数据格式转换，获取三维腭皱数字数据(如图2所示)。
步骤二：三维腭皱数据切片及预处理，为了便于识别，本方法先将三维数据均匀切片，切片效果如图3所示，进而对得到的切片进行预处理，具体过程如图4所示。
预处理包括去除背景颜色、提取目标腭皱切线及标定腭皱切线有意义识别区。具体地：①去除背景颜色操作方法为：采用大小为10×10的模板遍历腭皱切片图像，对待处理区域中的像素灰度值进行排序，将含有最大灰度值及与最大灰度值之差小于3的像素当做背景进行处理，将所有背景像素的灰度值置为255，便可得到包含单元格线和腭皱切线前景的切片图像；②提取目标腭皱切线操作方法为：以168为阈值，灰度值＜168的像素认为是腭皱切线前景，其余像素认为是单元格线，得到仅含单元格和仅含曲线的图像，在单元格图像中，将单元格线像素置为0，然后对其进行垂直投影叠加，得到一个投影向量，统计此投影向量中超过均值3δ的位置，该位置就是垂直单元格线所在位置，同样地，进行单元格水平投影叠加和统计，得到水平单元格线的位置。根据格线位置得到单元格的尺寸，最粗单元格线的位置就是中心单元格格线所在位置；③标定腭皱切线有意义识别区具体操作方法为：首先确定腭皱切线前景图像中曲线的最左端和最右端位置，得到曲线宽度，左右各去掉25％宽度部分(消除有些曲线两端上翘的影响)，根据剩余腭皱切线部分的像素点高低位置得到曲线向量，对此向量进行二次曲线拟合，得到二次曲线的中心，作为腭皱切线的中心，以此中心向左右扩展1.3倍单元格尺寸作为曲线中心区域的边界，至此便标定出了腭皱切线的有意义识别区，但在识别之前仍需做进一步预处理处理，以保证识别效果，具体地，需桥接腭皱切线断点：判断中心区域内的曲线是否含有多段曲线，如果存在多段曲线，对单像素断点进行桥接，并保证桥接后不会出现分岔和环形，进而对腭皱切线进行细化处理得到曲线骨架，找到曲线所有端点，最左和最右为曲线端点，其它为分岔，逐步将其它端点置为背景，从曲线左端点开始，依次考察其邻域，得到曲线从一端到另一端的坐标序列，该序列表示腭皱切线上各个像素点的位置。如图5所示，给出了2号样本不同切片的腭皱切线有意义识别区标定结果示意图，图中黑色细线部分表示不同切片的腭皱切线，黑色粗线部分表示标定出的腭皱切线有意义识别区，半圆弧黑线表示拟合出的二次曲线，图中第一行第一个图中的竖向方框所示位置表示进行了断点桥接的位置。
如图6所示，给出了2号样本第10切片腭皱切线有意义识别区的像素点示意图。
步骤三：提取每个切片腭皱切线的拐点特征，获取每个切片的腭皱切线后，本方法通过提取腭皱切线的拐点特征来进行腭皱识别。腭皱切线拐点具有以下特点：拐点顺序具有不变性、相似腭皱切线拐点的位置、顺序和方向基本相同，本方法将腭皱切线中变化比较剧烈的点认为是腭皱切线的拐点。
(1)将腭皱切线的骨架信息转换为区域链码信息，所述区域链码信息获取方法为：对步骤二中得到的表示腭皱切线位置的坐标序列一维数组进行处理，L是一个确定的值，L的单位为像素数，腭皱切线上的像素点aM代表从左端起第M个像素，像素点aM+L表示与像素点距离为L的像素，像素点aM到像素点aM+L的矢量方向角定义为像素点aM的区域链码方向角，遍历整个腭皱切线有意义识别区，获取所有像素点区域链码方向角，这些矢量方向角组成了腭皱切线的区域链码方向角信息(如图7所示)。
(2)需初步确定腭皱切线的拐点，确定方法为：从左端点开始遍历腭皱切线有意义识别区的所有像素点，记像素点aM到像素点aM+L的矢量方向角为θa1，记像素点aM+L到像素点aM+2L的矢量方向角为θa2，将Δθ＝θa1-θa2定义为像素点aM+L的拐角，若像素点aM+L的拐角大于给定阈值10°，则认为像素点aM+L是腭皱切线的拐点，Δθ为拐点aM+L的拐角，依次处理所有像素点，便可得到腭皱切线的拐点序列，如图8所示，给出了对2号样本第10切片腭皱切线初步确定的拐点示意图，可以看出，这些拐点在腭皱切线上近似直线的区域分布比较稀疏，在腭皱切线的弯曲区域分布比较密集，当在某段切线中有连续若干点都是拐点时，应该从中选择具有代表性的拐点作为这段切线的拐点。
对(2)中初步确定的拐点进行筛除，剔除腭皱切上的冗余拐点，剔除原则为在一定像素长度内认为只有一个具有代表性的拐点，剔除方法为：将腭皱切线上的所有拐点按照拐角的大小进行排序，从大到小依次***拐点，如果***某个拐点时，在它的左右5个像素距离内没有已***的拐点，则准许此拐点***，否则不进行***，继续处理下一个拐点，这样最终得到一个比较稀疏的、拐点间距离不小于5个像素的拐点序列，这样便得到了腭皱切线的有效拐点，如图9所示，给出了2号样本不同切片腭皱切线有效拐点示意图。
(3)获取腭皱切线的相邻拐点特征和相隔拐点特征，相邻拐点特征的确定方法：由左向右从第2个拐点开始处理，若拐点P为当前拐点，计算拐点P到其前一个相邻拐点P1的距离LP1，P到其后一个相邻拐点P2的距离LP2，拐点P到拐点P2的方向角θP2，ΔθP＝θP1-θP2，及拐点P的前后相邻距离比ΔL＝LP1/LP2，这些量都是相邻拐点特征；相隔拐点特征的确定方法：由左向右从第3个拐点开始处理，若拐点P为当前拐点，计算拐点P到其前一个相隔拐点Q1的距离LQ1，P到其后一个相隔拐点Q2的距离LQ2，拐点Q1到拐点Q的方向角θQ1，拐点Q到拐点Q2的方向角θQ2，ΔθQ＝θQ1-θQ2，及拐点P的前后相隔距离比ΔL′＝LQ1/LQ2，这些量都是相隔拐点特征。如图10所示，给出了2号样本第10切片腭皱切线拐点特征示意图，如表1所示，给出了2号样本第10切片腭皱切线拐点特征统计表。
表1. 2号样本第10切片腭皱切线拐点特征统计表
Figure BDA0002276396780000101
Figure BDA0002276396780000111
步骤四：基于拐点特征识别的腭皱切线匹配
建立数据库，本三维腭皱数据库来源于91人组成的样本采集个体，每人采集了五个三维腭皱数据样本，随机选择两个三维腭皱数据放入训练数据库，剩余三个三维腭皱数据放入测试数据库；测试过程中，需要采用本发明中的方法对测试样本数据和三维腭皱样本数据库中的样本数据进行匹配。
对腭皱测试样本进行40次均匀切片，切片图像表示为Ai(i＝1,2,…,40)，属于一个测试样本的所有切片图像组成的集合表示为A＝{A1,A2,…,Ai,…,A40}，训练数据库中的182个三维腭皱样本组成的集合记为B，将每个样本进行编号表示为BJ，J＝1,2,…,182,则B＝{B1,B2,…,BJ,…,B182}，对三维腭皱数据样本BJ进行均匀切片，将每一幅切片图像按照编号表示为BJi。
可得BJ＝{BJ1,…,BJi,…,BJ40}，则由所有切片组成的数据集为B＝{B11,…,B140,B21,…,B240,…,BJ1,…,BJ40,…,B1821,…,B18240}；
步骤四所述的三维腭皱匹配问题可等价描述为：在数据集B中找寻与测试数据A匹配的三维腭皱，具体地：计算测试数据A和样本数据集B中每个三维腭皱数据BJ的拐点拐角特征，对测试数据A和样本数据BJ的拐点拐角特征进行匹配，得到匹配误差，如果匹配误差小于匹配阈值，则认为BJ与A匹配，否则认为不匹配。BJ与A进行匹配时，需先找到BJ中与Ai位置相同或相近的切片BJj，对Ai和BJj进行匹配得到匹配误差，求取所得匹配误差的平均值，这个值就是BJ与A的匹配误差。
(4)Ai和BJj的匹配误差计算方法：首先，根据切片Ai在三维腭皱数据A中的位置，在B中找到与Ai位置相同或最接近的切片集BJj；其次，分别将Ai切片和BJj切片的拐角特征从大到小进行排序，选取拐角最大的五个拐点作为各自的主匹配拐点，按照拐点在腭皱切线中的先后次序表示为{Ai1,Ai2,Ai3,Ai4,Ai5}和{BJj1,BJj2,BJj3,BJj4,BJj5}；再次，对主匹配拐点进行组合配对形成若干个匹配队列，每个匹配队列中含有2～5对匹配拐点对，每队匹配拐点对中有Ai和BJj的主匹配拐点中的一个拐点，形式为{Aim,BJjn},1≤m,n≤5，这两个拐点满足两个条件：A.两个拐点的拐角差不大于拐角匹配误差22.5°；B.两个拐点的前点距离差别不大于距离匹配误差80％。匹配队列中的匹配拐点对要满足一定的顺序要求，假设某匹配队列中有3对匹配拐点对{Aim1,BJjn1},{Aim2,BJjn2},{Aim3,BJjn3}，且m1≤m2≤m3，则BJj的3个拐点顺序需满足条件：n1<n2<n3；再次，计算每个匹配队列的匹配误差，假设匹配队列中有3对匹配拐点对{Aim1,BJjn1},{Aim2,BJjn2},{Aim3,BJjn3}，计算方法为：分别计算匹配队列中Ai和BJj拐点的横纵坐标均值(xA,yA)和(xB,yB)；将Aim1,Aim2,Aim3的横纵坐标分别减去xA和yA作为新坐标，同样将BJjn1,BJjn2,BJjn3的横纵坐标分别减去xB和yB作为新坐标；计算每队拐点新坐标的距离并求平均值作为该匹配队列的误差：匹配队列误差＝(Aim1和BJjn1距离+Aim2和BJjn2距离+Aim3和BJjn3距离)/3；再次，将Ai和BJj所有匹配队列误差的最小值作为切片的匹配误差；最后，A所有的切片匹配误差的均值作为A与BJ的匹配误差，如果匹配误差小于匹配误差阈值13，则认为二者匹配，否则不匹配。
上面结合附图对本发明的实施例作了详细说明，但是本发明并不限于上述实施例，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。例如，本发明中的带状部件也可以采用绳状等其它可以实现其功能的任何形状。

Claims (5)

1.一种采用均匀切片和拐点特征提取的腭皱识别方法，其特征在于，具体步骤为：
步骤一、获取三维腭皱数据信息；
步骤二、对三维腭皱数据进行均匀切片和预处理，获取腭皱切片的坐标序列；
步骤三、提取每个切片腭皱切线的拐点特征，所有腭皱切线的坐标位置、拐点及拐角共同组成腭皱的特征向量；
在步骤三中，将腭皱切线中变化剧烈的点认为是腭皱切线的拐点，将腭皱切线的骨架信息转换为区域链码信息，区域链码信息获取方法为：对步骤二中得到的表示腭皱切线位置的坐标序列一维数组进行处理，L是一个确定的值，L的单位为像素数，腭皱切线上的像素点aM代表从左端起第M个像素，像素点aM+L表示与像素点距离为L的像素，像素点aM到像素点aM+L的矢量方向角定义为像素点aM的区域链码方向角，遍历整个腭皱切线有意义识别区，获取所有像素点区域链码方向角，这些矢量方向角组成了腭皱切线的区域链码方向角信息；初步确定腭皱切线的拐点，确定方法为：从左端点开始遍历腭皱切线有意义识别区的所有像素点，定义像素点到像素点的矢量方向角为像素点的拐角，若像素点的拐角大于给定阈值10°，则认为像素点是腭皱切线的拐点，为拐点的拐角，依次处理所有像素点，便可得到腭皱切线的拐点序列，这些拐点在腭皱切线上近似直线的区域分布稀疏，在腭皱切线的弯曲区域分布密集，当在某段切线中有连续若干点都是拐点时，从中选择具有代表性的拐点作为这段切线的拐点；对初步确定的拐点进行筛除，剔除腭皱切线上的冗余拐点，剔除原则为在一定像素长度内认为只有一个具有代表性的拐点，剔除方法为：将腭皱切线上的所有拐点按照拐角的大小进行排序，从大到小依次***拐点，如果***某个拐点时，在它的左右5个像素距离内没有已***的拐点，则准许此拐点***，否则不进行***，继续处理下一个拐点，这样最终得到一个拐点间距离不小于5个像素的拐点序列，这样便得到了腭皱切线的有效拐点；获取腭皱切线的相邻拐点特征和相隔拐点特征，相邻拐点特征的确定方法：由左向右从第2个拐点开始处理，若拐点P为当前拐点，计算拐点P到其前一个相邻拐点P1的距离LP1，P到其后一个相邻拐点P2的距离LP2，拐点P1到拐点P的方向角θP1，拐点P到拐点P2的方向角θP2，ΔθP＝θP1-θP2，及拐点P的前后相邻距离比ΔL＝LP1/LP2，距离和方向角为相邻拐点特征；相隔拐点特征的确定方法：由左向右从第3个拐点开始处理，若拐点P为当前拐点，计算拐点P到其前一个相隔拐点Q1的距离LQ1，P到其后一个相隔拐点Q2的距离LQ2，拐点Q1到拐点Q的方向角θQ1，拐点Q到拐点Q2的方向角θQ2，ΔθQ＝θQ1-θQ2，及拐点P的前后相隔距离比ΔL′＝LQ1/LQ2，这些量都是相隔拐点特征；
步骤四、基于拐点特征识别的腭皱切线匹配，输出匹配结果。
2.根据权利要求1所述的一种采用均匀切片和拐点特征提取的腭皱识别方法，其特征在于，在步骤一中，志愿者平躺并口内消毒，志愿者张口至最大张度，对口腔内的腭皱进行非接触式扫描，扫描完成后，将完整的腭皱扫描样本导入计算机保存，获得三维腭皱数字数据。
3.根据权利要求2所述的一种采用均匀切片和拐点特征提取的腭皱识别方法，其特征在于，非接触式扫描所依据的原则是：曲率大的地方测量点多，均匀或光滑的区域数据点少；
具体的扫描顺序为：一、从志愿者上颌的右侧咬牙合面到左侧咬合面；二、从志愿者上颌的左侧颊面到右侧颊面；三、从志愿者上颌上颌的右侧舌侧面到左侧舌侧面。
4.根据权利要求1所述的一种采用均匀切片和拐点特征提取的腭皱识别方法，其特征在于，在步骤二中，将三维腭皱数据均匀切片，进而对得到的切片进行预处理，去除背景颜色、提取目标腭皱切线及标定腭皱切线有意义识别区。
5.根据权利要求1所述的一种采用均匀切片和拐点特征提取的腭皱识别方法，其特征在于，在步骤四中，逐一比对测试样本特征和样本特征库中的特征，得到匹配误差，小于匹配误差则认为匹配成功。
CN201911130386.7A 2019-11-18 2019-11-18 一种采用均匀切片和拐点特征提取的腭皱识别方法 Active CN111222407B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911130386.7A CN111222407B (zh) 2019-11-18 2019-11-18 一种采用均匀切片和拐点特征提取的腭皱识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911130386.7A CN111222407B (zh) 2019-11-18 2019-11-18 一种采用均匀切片和拐点特征提取的腭皱识别方法

Publications (2)

Publication Number Publication Date
CN111222407A CN111222407A (zh) 2020-06-02
CN111222407B true CN111222407B (zh) 2022-07-01

Family

ID=70825825

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911130386.7A Active CN111222407B (zh) 2019-11-18 2019-11-18 一种采用均匀切片和拐点特征提取的腭皱识别方法

Country Status (1)

Country Link
CN (1) CN111222407B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112435272A (zh) * 2020-12-07 2021-03-02 南京派光高速载运智慧感知研究院有限公司 一种基于图像轮廓分析的高压输电线连通域去除方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5680481A (en) * 1992-05-26 1997-10-21 Ricoh Corporation Facial feature extraction method and apparatus for a neural network acoustic and visual speech recognition system
AUPQ896000A0 (en) * 2000-07-24 2000-08-17 Seeing Machines Pty Ltd Facial image processing system
EP1510973A3 (en) * 2003-08-29 2006-08-16 Samsung Electronics Co., Ltd. Method and apparatus for image-based photorealistic 3D face modeling
CN101359366B (zh) * 2008-07-28 2011-11-16 同济大学 一种图形匹配识别***及其实现方法
CN103902958A (zh) * 2012-12-28 2014-07-02 重庆凯泽科技有限公司 人脸识别的方法
US9959455B2 (en) * 2016-06-30 2018-05-01 The United States Of America As Represented By The Secretary Of The Army System and method for face recognition using three dimensions
CN107346425B (zh) * 2017-07-04 2020-09-29 四川大学 一种三维纹理照相***、标定方法及成像方法
CN208659317U (zh) * 2017-10-26 2019-03-29 山西医科大学口腔医院 腭皱图像采集装置
CN109784335B (zh) * 2019-01-25 2023-03-24 太原科技大学 一种基于最小二乘拟合的腭皱图像感兴趣区边界标定方法

Also Published As

Publication number Publication date
CN111222407A (zh) 2020-06-02

Similar Documents

Publication Publication Date Title
De Tobel et al. An automated technique to stage lower third molar development on panoramic radiographs for age estimation: a pilot study.
Tilotta et al. Construction and analysis of a head CT-scan database for craniofacial reconstruction
López-Lázaro et al. Sexual dimorphism of the first deciduous molar: A geometric morphometric approach
Syed et al. Conversion of palatal rugae pattern to scanable Quick Response code in an Arabian population
CN112017743B (zh) 一种疾病风险评测报告自动生成平台及应用
CN113052902A (zh) 牙齿治疗监测方法
CN109784335B (zh) 一种基于最小二乘拟合的腭皱图像感兴趣区边界标定方法
CN111222407B (zh) 一种采用均匀切片和拐点特征提取的腭皱识别方法
MacLatchy et al. New hominoid fossils from Moroto II, Uganda and their bearing on the taxonomic and adaptive status of Morotopithecus bishopi
Li et al. Computer-aided disease diagnosis system in TCM based on facial image analysis
Jasso-Cuéllar et al. Anterior dental arch shape and human identification: Kieser et al. method applied to 2D-3D dental models in Mexican population
CN115690045A (zh) 基于曲面断层片的牙周炎治疗前后骨增量定量评估方法
Lestrel et al. Mandibular shape analysis in fossil hominins: Fourier descriptors in norma lateralis
WO2023089347A1 (en) Method and system for biometric identification
Seiffert et al. Morphometric variation in the hominoid orbital aperture: a case study with implications for the use of variable characters in Miocene catarrhine systematics
Toma Characterization of normal facial features and their association with genes
Sheridan et al. Quantification of ethnic differences in facial profile
O'Higgins A morphometric study of cranial shape in the Hominoidea
Li Postnatal development of pelvic sexual dimorphism in four anthropoid primates
Braun Variations in the Shape of the Chin in South African Using Cone Bean Computed Tomography Scans
Gupta et al. Role of orthodontics in forensic facial reconstruction for human identification
Charles A geometric morphometric analysis of the human ossa coxae for sex determination
CN114343703A (zh) 一种基于牙齿的性别推断方法、***、装置及存储介质
McClure Odontology: bite marks as evidence in criminal trials
Majd et al. A novel hybrid approach for cephalometric landmark detection

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant