利用可变形统计模型进行膝关节建模与运动测量

该文以人体膝关节个性化三维建模为目的,并论证该模型应用于在体运动测量的可行性。基于可变形统计模型理论,寻找模型表面的特征配对点,建立膝关节统计模型训练集;通过主分量分析的方法确定特征点在三维空间的分布规律;在重建新模型时,通过统计模型变形,以X线图像中膝关节的二维透视信息为形变基准,从而实现膝关节个性化三维建模。研究结果表明:相比MRI(magnetic reso-nance imaging)模型,本文重建的完整膝关节三维骨骼模型精度为0.5mm,该模型用于运动测量的精度为0.59mm和1.25°。可变形统计模型技术可以用于建立受试者膝关节个性化三维模型,并测量膝关节的在体三维运动。

改进的统计模型三维人脸特征点标定算法框架

自动三维人脸特征点标定是计算机视觉领域的研究热点,其广泛应用于人脸识别,人脸模型配准,表情识别,脸部动画等领域。通过对三维人脸样本统计建模,采用遗传算法对待匹配模型的生成数目进行参数优化,利用模型相似性匹配方法及其映射关系对三维人脸特征点进行自动标定。首先,对三维人脸数据预处理,然后对其统计建模并通过模型形变得到有映射关系的基准模型和待匹配模型。利用遗传算法对待匹配模型中的待匹配模型生成数目参数进行优化,生成与之对应的待匹配模型数;接着计算待测模型与待匹配模型的相似度。最后,利用模型相似度和模型映射关系,间接得到待测模型的特征点。实验结果表明,提出的算法是可行的,能够在一定程度上提高原有算法的效率。该算法可以自动标定三维人脸模型的特征点,当距离阈值为10像素时,39个三维人脸特征点定位的准确率都可以达到100%,并有效解决了传统方法中三维人脸模型平滑区域特征点精度不高的问题。

三维颅骨特征点的自动标定

提出了颅骨特征点的全自动标定方法,该方法利用分区统计可变模型及模型相似性匹配的方法来标定颅骨特征点。首先,对颅骨分区样本进行统计建模;利用统计模型的形变控制生成基准模型和生成模型,并建立基准模型和生成模型间的映射关系。然后,定义了模型之间相似性。最后,利用模型相似度和映射关系,间接得到待测模型的特征点。实验结果表明:该方法定位眼眶模型特征点的位置平均误差值为3.232 5pixel;当距离阈值为10pixel(模型大小的3%)时,有90%的特征点的位置准确率达到100%。与现有方法相比,本文方法标定的颅骨特征点的准确度和精确度都更高,并且可以标定颅骨模型平滑区域的特征点。