技術(shù)特征：

1.一種基于顱面稠密對應(yīng)點(diǎn)云的顱面形態(tài)分析及面貌復(fù)原方法，其特征在于，包括以下步驟：

1：顱骨稠密對應(yīng)點(diǎn)云；

2：面貌稠密對應(yīng)點(diǎn)云；

3：顱面形態(tài)關(guān)系可視分析；

4：基于軟組織分區(qū)的顱面形態(tài)關(guān)系表示；

5：未知身源顱骨的面貌復(fù)原。

2.根據(jù)權(quán)利要求1所述的一種基于顱面稠密對應(yīng)點(diǎn)云的顱面形態(tài)分析及面貌復(fù)原方法，其特征在于，所述步驟1包括以下具體步驟：

步驟1.1：針對顱骨三維網(wǎng)格模型，定義內(nèi)點(diǎn)和邊界點(diǎn)，實(shí)現(xiàn)顱骨孔洞邊緣的自動識別；并通過孔洞邊界長度、孔洞形狀和位置，分析確定孔洞之間的對應(yīng)關(guān)系；

步驟1.2：基于高斯映射和動態(tài)區(qū)域增長算法，實(shí)現(xiàn)顱骨幾何形狀變化較大區(qū)域包括上頜、下頜、顴骨等的自動分割；

步驟1.3：從顱骨模型數(shù)據(jù)集中選擇選擇兩個模型，一個作為參考顱骨，另一個作為目標(biāo)顱骨，依據(jù)步驟1.1和步驟1.2產(chǎn)生的兩個顱骨模型特征，利用最近點(diǎn)迭代算法實(shí)現(xiàn)參考顱骨向目標(biāo)顱骨的剛性配準(zhǔn)，進(jìn)一步提出通過基于隱式函數(shù)和頂點(diǎn)能量約束最優(yōu)結(jié)合的方法，實(shí)現(xiàn)兩個顱骨模型的非剛性配準(zhǔn)；

步驟1.4：計(jì)算目標(biāo)模型的每個頂點(diǎn)與變形后的參考模型的最近點(diǎn)，記錄其頂點(diǎn)序號，建立目標(biāo)模型與參考模型頂點(diǎn)的對應(yīng)關(guān)系；

步驟1.5：依據(jù)步驟1.4計(jì)算獲得的頂點(diǎn)序號，針對原始參考顱骨模型，生成與目標(biāo)顱骨點(diǎn)云對應(yīng)的參考顱骨頂點(diǎn)坐標(biāo)；

步驟1.6：從顱骨模型數(shù)據(jù)集中選擇其他模型作為參考顱骨，重復(fù)步驟1.3-步驟1.5，直到遍歷所有模型為止，從而建立顱骨模型間的頂點(diǎn)對應(yīng)關(guān)系，即所有顱骨模型具有相同的頂點(diǎn)個數(shù)且對應(yīng)頂點(diǎn)具有近似的解剖學(xué)位置。

3.根據(jù)權(quán)利要求1所述的一種基于顱面稠密對應(yīng)點(diǎn)云的顱面形態(tài)分析及面貌復(fù)原方法，其特征在于，所述步驟2包括以下具體步驟：

步驟2.1：面貌模型表面特征線提取，計(jì)算面貌三維模型每個頂點(diǎn)的法線和高斯曲率，統(tǒng)計(jì)高斯曲率值局部最大且鄰接頂點(diǎn)法矢夾角差異較大的頂點(diǎn)，該頂點(diǎn)作為特征點(diǎn)；面貌五官模型耳朵、鼻子、嘴、眼睛自動分割，以頂點(diǎn)高斯曲率局部最大的頂點(diǎn)作為種子頂點(diǎn)，基于高斯映射和動態(tài)區(qū)域增長算法實(shí)現(xiàn)分割；

步驟2.2：從面貌模型數(shù)據(jù)集中選擇兩個模型，一個作為參考面貌，另一個作為目標(biāo)面貌，針對步驟2.1生成的兩個面貌模型特征，利用最近點(diǎn)迭代算法實(shí)現(xiàn)參考面貌向目標(biāo)面貌的剛性配準(zhǔn)，進(jìn)一步提出通過基于隱式函數(shù)和頂點(diǎn)能量約束最優(yōu)結(jié)合的方法，實(shí)現(xiàn)兩個面貌模型的非剛性配準(zhǔn)；

步驟2.3：變形后的參考模型的每個頂點(diǎn)與目標(biāo)模型的最近點(diǎn)即為當(dāng)前頂點(diǎn)的對應(yīng)點(diǎn)，記錄其頂點(diǎn)序號，針對原始參考面貌模型，生成與目標(biāo)面貌點(diǎn)云對應(yīng)的參考面貌頂點(diǎn)坐標(biāo)；

步驟2.4：從面貌數(shù)據(jù)集中選擇其他模型作為參考面貌，重復(fù)步驟2.1-步驟2.3，直到所有面貌均已建立對應(yīng)關(guān)系時停止。

4.根據(jù)權(quán)利要求1所述的一種基于顱面稠密對應(yīng)點(diǎn)云的顱面形態(tài)分析及面貌復(fù)原方法，其特征在于，所述步驟3包括以下具體步驟：

步驟3.1：利用主成分分析方法，降維表示顱骨稠密點(diǎn)云，計(jì)算特征值和特征向量，利用主成分分析方法，降維表示面貌稠密點(diǎn)云，計(jì)算特征值和特征向量；

步驟3.2：為了觀察各主成分對模型幾何形狀的影響，針對顱骨模型，從第一個主成分開始，將其對應(yīng)的主成分系數(shù)設(shè)置為給定值value＝3·λ₁δ₁，其中λ₁＝{-1.0,-0.8,-0.6,-0.4,-0.2,0.2,0.4,0.6,0.8,1.0}，δ₁為該主成分系數(shù)的方差，同理，針對面貌模型，從第一個主成分開始，將其對應(yīng)的主成分系數(shù)設(shè)置為給定值value＝3·λ₂δ₂，其中λ₁＝{-1.0,-0.8,-0.6,-0.4,-0.2,0.2,0.4,0.6,0.8,1.0}，δ₂為該主成分系數(shù)的方差；

步驟3.3：為了觀察基于主成分表示的顱骨和面貌模型間的相互關(guān)系，每次分別取近似相同貢獻(xiàn)率的顱骨主成分和面貌主成分，將當(dāng)前選擇的顱骨主成分系數(shù)和對應(yīng)的面貌主成分系數(shù)分別設(shè)置為給定值，其他主成分系數(shù)值為0，顯示顱骨模型和對應(yīng)的面貌模型；

步驟3.4：計(jì)算顱骨主成分系數(shù)和對應(yīng)的面貌主成分系數(shù)的相關(guān)性，判斷其是否近似滿足線性關(guān)系。如果滿足線性相關(guān)，則采用步驟4.4中的最小二乘法進(jìn)行形態(tài)關(guān)系學(xué)習(xí)。

5.根據(jù)權(quán)利要求1所述的一種基于顱面稠密對應(yīng)點(diǎn)云的顱面形態(tài)分析及面貌復(fù)原方法，其特征在于，所述步驟4包括以下具體步驟：

步驟4.1：針對數(shù)據(jù)集中的每個樣本，計(jì)算每個頂點(diǎn)的軟組織厚度值；針對所有樣本，計(jì)算每個頂點(diǎn)的軟組織厚度均值和方差，利用改進(jìn)的K均值聚類算法，按軟組織厚度進(jìn)行聚類如分為四類；聚類過程中首先均勻采樣設(shè)定聚類中心和較小粒度的聚類條件，然后完成初始分類并建立各分類間的鄰接關(guān)系無向圖，最后以含有頂點(diǎn)數(shù)較多的分類為中心通過合并鄰接分類完成指定數(shù)量的聚類；

步驟4.2：針對目標(biāo)顱骨和目標(biāo)面貌模型，依據(jù)每個頂點(diǎn)對應(yīng)的軟組織厚度分類，將顱骨頂點(diǎn)和面貌頂點(diǎn)進(jìn)行分區(qū)，實(shí)現(xiàn)基于軟組織厚度的顱面分區(qū)；

步驟4.3：針對顱骨各個分區(qū)點(diǎn)云，計(jì)算主成分系數(shù)和特征向量；針對面貌各個分區(qū)點(diǎn)云，計(jì)算主成分系數(shù)和特征向量；

步驟4.4：針對每個分區(qū)數(shù)據(jù)集，設(shè)Skull_l×_p＝[α_1,p,α_2,p,...,α_l,p]和Face_l×_q＝[b_1,q,b_2,q,...,b_l,q]分別為該分區(qū)中每個樣本顱骨的主成分和對應(yīng)面貌的主成分，則顱骨和面貌之間的形態(tài)關(guān)系M＝{M_i,i＝1,2,L,k}能表示為M_i＝argmin||Skull×M_i-Face||²+λ²||M_i||²。利用最小二乘法求解M得M_i＝(Skull^T·Skull+λI)^-1·SkullT·Face，其中λ為權(quán)值，I為單位矩陣，則顱骨和面貌間的形態(tài)關(guān)系表示為M＝{(M₁,M₂,L,M_k)}。

6.根據(jù)權(quán)利要求1所述的一種基于顱面稠密對應(yīng)點(diǎn)云的顱面形態(tài)分析及面貌復(fù)原方法，其特征在于，所述步驟5包括以下具體步驟：

步驟5.1：針對待復(fù)原的未知身源顱骨，利用步驟1.1-步驟1.5實(shí)現(xiàn)未知身源顱骨模型與目標(biāo)顱骨模型的非剛性配準(zhǔn)，建立頂點(diǎn)間的對應(yīng)，實(shí)現(xiàn)未知身源顱骨的分區(qū)和頂點(diǎn)對應(yīng)；

步驟5.2：針對未知身源顱骨的每個分區(qū)，計(jì)算每個分區(qū)對應(yīng)的主成分(skull₁,skull₂,L,skull_k)。依據(jù)顱面形態(tài)關(guān)系M＝{(M₁,M₂,L,M_k)}，計(jì)算每個顱骨分區(qū)主成分對應(yīng)的面貌分區(qū)主成分(Face₁,Face₂,L,Face_k)。根據(jù)計(jì)算獲得每個面貌分區(qū)主成分及其對應(yīng)的特征向量，計(jì)算面貌分區(qū)復(fù)原結(jié)果。

步驟5.3：建立邊緣約束的能量方程，求解各分區(qū)中每個頂點(diǎn)對應(yīng)的仿射變換，實(shí)現(xiàn)面貌分區(qū)復(fù)原結(jié)果的光滑融合。

7.根據(jù)權(quán)利要求2所述的一種基于顱面稠密對應(yīng)點(diǎn)云的顱面形態(tài)分析及面貌復(fù)原方法，其特征在于，所述步驟1.1進(jìn)一步包括：

步驟1.1.1：定義顱骨三維網(wǎng)格模型為skull＝{P,E}，其中P＝{p₁,p₂,...,p_n},p_i＝(x_i,y_i,z_i)∈R³表示n個顱骨頂點(diǎn)，E＝{e_k＝(p_i,p_j),k＝1,2,3,...,m}表示m條邊，孔洞識別前首選對模型進(jìn)行檢驗(yàn)，判斷其是否滿足流行，并記錄不滿足條件的邊序號，孔洞識別過程中，首先遍歷模型中各個頂點(diǎn)p_i，確定其對應(yīng)的鄰接頂點(diǎn)集合Adj_pi，如果Adj_pi中的點(diǎn)通過模型的邊e_k直接連成封閉的多邊形，則p_i為內(nèi)點(diǎn)，否則為邊界點(diǎn)，然后，以任意邊界點(diǎn)p_j為起點(diǎn)，根據(jù)e_k尋找下一個邊界點(diǎn)，直到遍歷完所有邊界點(diǎn)，最終則會獲得c條封閉邊界，記為boundary_i＝{p_j},i＝1,2,3,...,c；

步驟1.1.2：計(jì)算每條邊界的長度、中心，通過分析邊界長度和中心位置即能識別左眼眶、右眼眶和鼻骨三個輪廓，通過統(tǒng)計(jì)訓(xùn)練集中樣本的左眼眶、右眼眶、鼻骨邊界輪廓的長度和中心坐標(biāo)確定閾值；

所述步驟1.2進(jìn)一步包括：

步驟1.2.1：計(jì)算顱骨模型各頂點(diǎn)p_i的法矢n_i＝(x_i,y_i,z_i)和高斯曲率gauss_i，通過高斯映射將顱骨頂點(diǎn)映射到單位球上，映射后的頂點(diǎn)坐標(biāo)為

步驟1.2.2：顱骨模型的上頜、下頜、顴骨區(qū)域的幾何形狀復(fù)雜，曲面幾何形狀變化大，通過分析頂點(diǎn)的曲率和法矢法向完成上述區(qū)域的分割。選擇高斯曲率gauss_i最大的頂點(diǎn)作為種子點(diǎn)，采用動態(tài)區(qū)域增長算法合并鄰接頂點(diǎn)，直到遍歷所有頂點(diǎn)后停止，區(qū)域增長的條件決定了特征提取的準(zhǔn)確性，其區(qū)域合并條件定義如下：①|(zhì)|p'_i-p'_j||＜δ，高斯球上兩個相鄰頂點(diǎn)p'_i和p'_j間的距離描述了兩個法矢方向的差異，其閾值為δ；②||gauss_i-gauss_j||＜ε，兩個相鄰頂點(diǎn)的高斯曲率gauss_i和gauss_j的差異，其閾值為ε；閾值均由統(tǒng)計(jì)反饋動態(tài)生成。

所述步驟1.3進(jìn)一步包括：

步驟1.3.1：針對由步驟1.1和步驟1.2獲得的參考顱骨模型的特征點(diǎn)集，其包括顱骨上頜、下頜和顴骨，以及眼眶和鼻骨的孔洞邊緣點(diǎn)集兩部分，和步驟1.1和步驟1.2獲得的目標(biāo)顱骨模型特征點(diǎn)集，采用最近點(diǎn)迭代算法實(shí)現(xiàn)兩個顱骨模型的剛性配準(zhǔn)，配準(zhǔn)過程中采用隨機(jī)抽樣一致算法去除特征點(diǎn)集的誤對應(yīng)，建立頂點(diǎn)間的準(zhǔn)確對應(yīng)關(guān)系，提高配準(zhǔn)結(jié)果的準(zhǔn)確性，參考顱骨模型的特征點(diǎn)集記為S＝{s_i},s_i＝(x_i,y_i,z_i)∈R³，目標(biāo)顱骨對應(yīng)的特征點(diǎn)集記為Q＝{q_i},q_i＝(x_i,y_i,z_i)∈R³；

步驟1.3.2：為了快速建立參考顱骨模型和目標(biāo)顱骨模型頂點(diǎn)間的對應(yīng)關(guān)系，采用徑向基函數(shù)和帶有緊支撐的徑向基函數(shù)，實(shí)現(xiàn)參考顱骨模型與目標(biāo)顱骨模型的非剛性配準(zhǔn)，進(jìn)而將最近點(diǎn)作為對應(yīng)點(diǎn)，參考顱骨模型點(diǎn)集記為V＝{v_i},v_i＝(x_i,y_i,z_i)∈R³，目標(biāo)顱骨對應(yīng)點(diǎn)記為U＝{u_i},u_i＝(x_i,y_i,z_i)∈R³，該對應(yīng)將作為步驟1.3.3中對應(yīng)點(diǎn)誤差能量項(xiàng)中的初始對應(yīng)關(guān)系；

步驟1.3.3：定義具有保剛性的能量函數(shù)，計(jì)算參考顱骨模型每個頂點(diǎn)p_i對應(yīng)的仿射變換進(jìn)而根據(jù)仿射變換矩陣X＝[x₁ x₂ … x_n]^T實(shí)現(xiàn)參考顱骨和目標(biāo)顱骨的非剛性配準(zhǔn)，該能量函數(shù)由對應(yīng)點(diǎn)誤差能量項(xiàng)E_d(X)、特征誤差項(xiàng)E_l(X)和局部剛性能量項(xiàng)E_s(X)三部分構(gòu)成：E(X)＝E_d(X)+αE_s(X)+βE_l(X)，其中α和β為權(quán)值，對應(yīng)點(diǎn)誤差能量項(xiàng)為w_i為權(quán)值，參考模型與目標(biāo)模型的初始對應(yīng)關(guān)系由步驟1.3.2獲得，此后每次代過程中通過搜尋最近點(diǎn)確定對應(yīng)關(guān)系(v_i,u_i)；局部剛性能量項(xiàng)為其中F表示由目標(biāo)模型的頂點(diǎn)-邊組成的鄰接矩陣,為克羅內(nèi)克乘積算子，G＝diag(1,1,1,1)為對角矩陣；特征誤差能量項(xiàng)為即由步驟1.3.1產(chǎn)生的對應(yīng)點(diǎn)集。

8.根據(jù)權(quán)利要求3所述的一種基于顱面稠密對應(yīng)點(diǎn)云的顱面形態(tài)分析及面貌復(fù)原方法，其特征在于，所述步驟2.2進(jìn)一步包括：

步驟2.2.1：針對由步驟2.1獲得的參考面貌模型特征點(diǎn)集和目標(biāo)面貌模型特征點(diǎn)集，采用最近點(diǎn)迭代算法實(shí)現(xiàn)兩個面貌模型的剛性配準(zhǔn)，配準(zhǔn)過程中采用隨機(jī)抽樣一致算法去除特征點(diǎn)集的誤對應(yīng)，建立頂點(diǎn)間的準(zhǔn)確對應(yīng)關(guān)系，提高配準(zhǔn)結(jié)果的準(zhǔn)確性，參考面貌模型的特征點(diǎn)集記為S＝{s_i},s_i＝(x_i,y_i,z_i)∈R³，目標(biāo)面貌對應(yīng)的特征點(diǎn)集記為Q＝{q_i},q_i＝(x_i,y_i,z_i)∈R³；

步驟2.2.2：為了快速建立參考面貌模型和目標(biāo)面貌模型頂點(diǎn)間的對應(yīng)關(guān)系，采用徑向基函數(shù)和帶有緊支撐的徑向基函數(shù)，實(shí)現(xiàn)參考面貌模型與目標(biāo)面貌模型的非剛性配準(zhǔn)，進(jìn)而將最近點(diǎn)作為對應(yīng)點(diǎn)，參考面貌模型的點(diǎn)集記為V＝{v_i},v_i＝(x_i,y_i,z_i)∈R³，目標(biāo)面貌的對應(yīng)點(diǎn)記為U＝{u_i},u_i＝(x_i,y_i,z_i)∈R³，該對應(yīng)作為步驟2.2.3中對應(yīng)點(diǎn)誤差能量項(xiàng)的初始對應(yīng)關(guān)系；

步驟2.2.3：定義具有保剛性的能量函數(shù)，計(jì)算參考面貌模型每個頂點(diǎn)p_i對應(yīng)的仿射變換進(jìn)而根據(jù)仿射變換矩陣X＝[x₁ x₂ … x_n]^T實(shí)現(xiàn)參考面貌和目標(biāo)面貌的非剛性配準(zhǔn)，該能量函數(shù)由對應(yīng)點(diǎn)誤差能量項(xiàng)E_d(X)、特征誤差項(xiàng)E_l(X)和局部剛性能量項(xiàng)E_s(X)三部分構(gòu)成：E(X)＝E_d(X)+αE_s(X)+βE_l(X)，其中α和β為權(quán)值，對應(yīng)點(diǎn)誤差能量項(xiàng)為w_i為權(quán)值，參考模型與目前模型的初始對應(yīng)關(guān)系由步驟2.2.2獲得，此后每次代過程中通過搜尋最近點(diǎn)確定對應(yīng)關(guān)系(v_i,u_i)；局部剛性能量項(xiàng)為其中F表示由目標(biāo)模型的頂點(diǎn)-邊組成的鄰接矩陣,為克羅內(nèi)克乘積算子，G＝diag(1,1,1,1)為對角矩陣；特征誤差能量項(xiàng)為即由步驟2.2.1產(chǎn)生的對應(yīng)點(diǎn)集。

9.根據(jù)權(quán)利要求6所述的一種基于顱面稠密對應(yīng)點(diǎn)云的顱面形態(tài)分析及面貌復(fù)原方法，其特征在于，所述步驟5.3進(jìn)一步包括：

步驟5.3.1：對每個分區(qū)點(diǎn)云進(jìn)行三角剖分，建立頂點(diǎn)間的鄰接關(guān)系，統(tǒng)計(jì)每個分區(qū)的頂點(diǎn)數(shù)量，并將頂點(diǎn)數(shù)量最多的分區(qū)作為目標(biāo)模型，其他分區(qū)作為參考模型并向該分區(qū)變形；

步驟5.3.2：提取各分區(qū)復(fù)原結(jié)果的邊緣輪廓點(diǎn)集。計(jì)算目標(biāo)模型與每個參考模型邊緣輪廓間的對應(yīng)關(guān)系，對應(yīng)的參考模型的邊緣點(diǎn)集記為V＝{v_i},v_i＝(x_i,y_i,z_i)∈R³，目標(biāo)模型對應(yīng)的點(diǎn)集記為U＝{u_i},u_i＝(x_i,y_i,z_i)∈R³；

步驟5.3.3：定義具有保剛性的能量函數(shù)，計(jì)算參考模型每個頂點(diǎn)p_i對應(yīng)的仿射變換進(jìn)而根據(jù)仿射變換矩陣X＝[x₁ x₂ … x_n]^T實(shí)現(xiàn)各分區(qū)融合。該能量函數(shù)由邊緣誤差項(xiàng)E_edge(X)和局部剛性能量項(xiàng)E_s(X)兩部分構(gòu)成：E(X)＝E_edge(X)+αE_s(X)，其中α為權(quán)值，邊緣誤差能量項(xiàng)為w_i為權(quán)值，其對應(yīng)關(guān)系在步驟5.3.2中生成；局部剛性能量項(xiàng)為其中F表示由目標(biāo)模型的頂點(diǎn)-邊組成的鄰接矩陣,為克羅內(nèi)克乘積算子，G＝diag(1,1,1,1)為對角矩陣。