CN109784335A - 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 - Google Patents

Abstract

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，属于腭皱识别领域，本发明提出一种基于最小二乘法的腭皱边界标定方法，首先，按照牙齿分布选取特征点；其次，对所选特征点进行边界拟合，标出腭皱区域的边界；最后，构造掩膜，将位于边界外侧的部分剔除，滤除干扰，经过三个样本进行仿真实验及分析，本发明的方法能对腭皱区域实现边界定位，且避免反复迭代运算，节省时间，精确的边界标定方法能够有效提高腭皱数字图像识别的准确率，进而推进法医同一认定的实践化进程。

Description

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

技术领域

本发明属于腭皱识别领域，特别是涉及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。

背景技术

随着现代法医学及人工智能技术的快速发展，迫切需要一种快速有效的生物识别方法来进行身份鉴定。正如同指纹、虹膜、人脸、掌纹、DNA一样，腭皱作为一种新型的生物特征，具有普遍性、稳定性和唯一性特征并满足同一认定的要求，可作为法医学同一认定的特征指标。

腭皱也叫腭横襞，位于上颌中切牙乳突的后部，腭黏膜的前部，由腭中缝两侧3-7条不规则的、呈辐射状的条形软组织凸起组成。腭皱形态是由DNA遗传基因控制发育形成，具有个体特异性及稳定性两大特点。在人体发育的过程中，腭皱只会出现长度、宽度的变化，其形态、排列、位置始终保持不变。腭皱在口腔内被颊、唇、舌、齿所包裹，特殊结构使其具有极强的耐受性，免于火焰和强力冲击的创伤，甚至外伤、疾病或化学腐蚀都不会该变其形态和位置。相关研究表明，腭皱在人体丧失生命体征七天甚至更长时间内，仍能保持其自身特性不变。这为实现法医学同一认定创造了有利条件。

国内外对腭皱进行的研究，大都是从腭皱的形态和结构出发，集中在腭皱形态描述和条纹编码方面。本课题组2014年-2017年根据腭皱的形态图像特征，进行了口腔腭皱在法医学同一认定的指标体系构建以及腭皱法医学同一认定数字化系统的建立。在实际获取的腭皱图像中，会引入许多干扰信息，包括牙齿、嘴唇等影像，增加了图像处理过程的耗时量和识别的难度，因此需对腭皱区域进行边界定位，以便滤除干扰信息。目前，对腭皱图像中腭皱区域的定位方面并未提出有效算法。

发明内容

本发明针对现有技术存在的不足，解决了腭皱识别中引入的干扰信息，包括牙齿、嘴唇等影像，增加了图像处理过程的耗时量和识别的难度的问题，旨在提供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。本发明利用最小二乘法对腭皱图像感兴趣区进行边界标定，通过研究特征点选取、边界拟合、以及掩膜滤波，探索实现法医同一认定中的腭皱图像感兴趣区边界标定的方法，有效提高腭皱数字图像识别的准确率，推进法医同一认定的实践化进程。

为解决上述技术问题，本发明采用的技术方案为：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，按照以下步骤进行：

步骤1)图像的获取：从图像库中载入腭皱图像；

步骤2)特征点的选取：根据腭皱图像中显示出来的牙齿区域，选取每颗牙齿边缘的几何中心点和牙齿尖点处作为用于拟合的边界特征点。选取的边界点个数N与图像中出现的牙齿个数相同；

步骤3)特征点的拟合：根据腭皱区域边界几何特征，自动读取人为选定的特征点坐标，采用最小二乘法拟合多项式，进而得出腭皱图像的拟合边界；

步骤4)掩膜滤波：通过对标定好边界的腭皱图像进行像素的赋值处理，遍历图像中所有像素点，将位于该拟合曲线外侧的坐标点，即曲线上侧的像素点灰度值设为0，即以腭皱区域边界作为掩膜滤除牙齿等干扰信息。

步骤5)输出图像：将干扰信息消除后腭皱图像输出。

进一步地，步骤2)中选定点的坐标分别为(x_i,y_i)(i＝0,1,2,…,n)，则表示样本总量为n+1 个，n的取值由具体图像决定，曲线拟合具体可以分为以下几个步骤：

步骤一：根据已知数据画出的散点图，确定拟合多项式的最高项数m，拟合多项式可表示为：

步骤二：最小二乘拟合的代价函数为：上式分别对a₀、a₁、…、 a_m求导并令其为零，得到多项式的各项系数a₀、a₁、…、a_m应满足的方程组：

步骤三：计算和

步骤四：将步骤三得到的结果代入步骤二中的方程组，解出出多项式的各项系数a₀、a₁、…、 a_m；

步骤五：得出拟合多项式

本发明在自主研发的腭皱法医学同一认定数字化系统的基础上，对腭皱区域进行边界定位，以便滤除干扰信息，有效提高腭皱数字图像识别的准确率。主要是按照牙齿分布选取特征点，并对所选特征点进行边界拟合，粗略标出腭皱区域的边界，构造掩膜滤除干扰。其中有三个关键技术：特征点选取、边界拟合、以及掩膜滤波。本发明通过精确的边界标定方法能够有效提高腭皱数字图像识别的准确率，进而推进法医同一认定的实践化进程

附图说明

图1为本发明的总体流程图。

图2为图像特征点的选取示意图，其中(a)中N＝4，(b)中N＝6，(c)中N＝7。

图3为特征点的拟合曲线图像示意图，其中(a)为N＝4的拟合曲线，(b)为N＝6的拟合曲线，(c)为N＝7的拟合曲线。

图4为掩膜滤波图像示意图，其中(a)为N＝4的滤波图像，(b)为N＝6的滤波图像，(c)为N＝7的滤波图像。

图5为样本1的三种拟合效果，其中(a)为m＝2时的拟合效果，(b)为m＝3时的拟合效果，(c)为m＝4时的拟合效果。

图6为样本2的三种拟合效果，其中(a)为m＝2时的拟合效果，(b)为m＝3时的拟合效果，(c)为m＝4时的拟合效果。

图7为样本3的三种拟合效果，其中(a)为m＝2时的拟合效果，(b)为m＝3时的拟合效果，(c)为m＝4时的拟合效果。

图8为6次拟合过程中三个样本相关系数R的相互关系示意图。

图9a为拟合过程中样本一实际测量值与理想值均值相互关系示意图。

图9b为拟合过程中样本二实际测量值与理想值均值相互关系示意图。

图9c为拟合过程中样本三实际测量值与理想值均值相互关系示意图。

具体实施方式

为使本发明的目的、特征和优点能够更为明显易懂，下面对本发明的具体实施方式做详细的说明。

如图1所示，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，载入腭皱图像后，首先，根据腭皱图像中出现的牙齿个数设置特征点数量，以牙齿的边缘几何中心确定特征点位置；其次，根据所选特征点，采用最小二乘法拟合多项式，进而得出腭皱图像的拟合边界；最后，根据拟合出的边界，通过坐标间的位置关系构造掩膜进行滤波，从而实现腭皱区域边界标定并滤除干扰牙齿信息。

下面再具体的对本发明的方法进行介绍：

步骤1)图像的获取

使用数码单反相机(佳能EOS 300D)，设置相机参数相同，固定位置，固定焦距，获取高分辨率、有参考价值的口内腭皱图像，利用图像处理软件Photoshop对其进行初步的裁剪处理。相机外接专门定制的设备，以使图像标准统一。图像以jpeg格式文件传输至计算机，建立腭皱图片库。

步骤2)特征点的选取

根据腭皱图像中显示出来的牙齿区域，选取每颗牙齿边缘的几何中心点和牙齿尖点处作为用于拟合的边界特征点。选取的边界点个数N与图像中出现的牙齿个数相同。图2所示×即为特征点。

步骤3)特征点的拟合

根据腭皱区域边界几何特征，自动读取人为选定的特征点坐标，利用最小二乘法的基本思想将这些特征点拟合成一条抛物曲线。假设选定点的坐标分别为(x_i,y_i)(i＝0,1,2,…,n)，则表示样本总量为n+1个，n的取值由具体图像决定。曲线拟合具体可以分为以下几个步骤：

步骤一：根据已知数据画出的散点图，确定拟合多项式的最高项数m，拟合多项式可表示为：

步骤二：最小二乘拟合的代价函数为：上式分别对a₀、a₁、…、 a_m求导并令其为零，得到多项式的各项系数a₀、a₁、…、a_m应满足的方程组：

步骤三：计算和

步骤四：将步骤三得到的结果代入步骤二中的方程组，解出出多项式的各项系数a₀、a₁、…、 a_m；

步骤五：得出拟合多项式

采用最小二乘法对图2中所选特征点进行曲线拟合，设定拟合多项式的最高项数为m＝2，拟合结果如图3所示。

步骤4)掩膜滤波

通过对标定好边界的腭皱图像进行像素的赋值处理，遍历图像中所有像素点，将位于该拟合曲线外侧的坐标点，即曲线上侧的像素点灰度值设为0，即以腭皱区域边界作为掩膜滤除牙齿等干扰信息。滤波效果如图4所示。

为了更好的验证本发明的效果，下面对本发明进行仿真实验和分析。

本发明所采用的实验环境如下：①CPU:Intel(R)Core(TM)i5,3.3GHz；②显卡：Nvidia GeForce GTX 960(4GB)；③内存：8GB；④操作系统Windows764位SP1；⑤MATLAB2017。本研究实验参数设置情况如下：为保证该算法的适用性，从腭皱图像中选择三组样本图像，分别记作样本1、样本2、样本3。三个样本分别呈现倒‘U’型，倒‘V’型和倾斜型，代表了腭皱图像中腭皱区域的所有形状模式。为使干扰最小，将边界以外的像素点赋值常量v设置为0。

找到对所有采集的腭皱图像都能实现理想拟合效果的多项式，保证拟合多项式能够对所有的腭皱图像具备较好的适用性，本发明对具有典型代表性的三个样本分别采用三种多项式进行拟合，先后将其拟合多项式的最高项数m设置为2，3，4依次进行拟合。通过比较拟合效果，确定具有最好拟合效果的通用多项式，拟合结果如图5-图7所示。

为分析本发明所提方法拟合效果，分别对选定的三个样本进行六次三项式拟合，并采用回归相关系数R对拟合效果进行评价。R是多元回归的相关系数，即表示实测值y_i与计算值y_i′之间的相关性，取值范围是0到1，由于R表示的是一种相关性，故R越大越好。R的计算为：式中y表示n个实测值的均值，计算公式如式为：

对三个样本拟合曲线的量化结果进行统计，结果如表1-表3所示，得出6次拟合过程中三个样本相关系数R以及实际测量值与理想值均值的相互关系。

如图8所示：对每个样本而言，六次拟合的相关系数R值差距均很小；三个样本的相关系数R值范围在0.985到0.999之间，都接近于1，表明本发明所采用的三次多项式拟合方案较为合理，拟合效果具有稳定性。图9所示：六次拟合过程中实际测量值均值与理想值均值差距很小，随着拟合次数的增加，实际测量值均值与理想值均值差距呈现逐渐缩小的趋势，说明拟合次数越多，拟合效果越好，实际值越接近理想值。

表1样本1的六次拟合数据统计

表2样本2的六次拟合数据统计

表3样本3的六次拟合数据统计

通过上述测试，综合拟合误差、计算复杂度和通用性等多种因素考虑，三次多项式的拟合效果更好，误差相比二次多项式较小，处理速度较快，对现有腭皱图像都能进行拟合，基本不会出现因过度拟合而造成错误标定的现象。故在设计腭皱预处理系统时，采用三次多项式进行曲线拟合更加合理。腭皱型具有高度的个体特异性，不易被破坏和伪造且成本较低，精确的边界标定方法能够有效提高腭皱数字图像识别的准确率，进而推进法医同一认定的实践化进程。

上面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作出各种变化。

Claims (2)

1.一种基于最小二乘拟合的腭皱图像感兴趣区边界标定方法，其特征在于，按照以下步骤进行：

步骤1)图像的获取：从图像库中载入腭皱图像；

步骤2)特征点的选取：根据腭皱图像中显示出来的牙齿区域，选取每颗牙齿边缘的几何中心点和牙齿尖点处作为用于拟合的边界特征点。选取的边界点个数N与图像中出现的牙齿个数相同；

步骤3)特征点的拟合：根据腭皱区域边界几何特征，自动读取人为选定的特征点坐标，采用最小二乘法拟合多项式，进而得出腭皱图像的拟合边界；

步骤4)掩膜滤波：通过对标定好边界的腭皱图像进行像素的赋值处理，遍历图像中所有像素点，将位于该拟合曲线外侧的坐标点，即曲线上侧的像素点灰度值设为0，即以腭皱区域边界作为掩膜边界滤除牙齿等干扰信息。

步骤5)输出图像：将干扰信息消除后腭皱图像输出。

2.根据权利要求1所述的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，其特征在于：步骤2)中选定点的坐标分别为(x_i，y_i)(i＝0，1，2，…，n)，则表示样本总量为n个，n的取值由具体图像决定，曲线拟合具体可以分为以下几个步骤：

步骤一：根据已知数据画出的散点图，确定拟合多项式的最高项数m，拟合多项式可表示为：

步骤二：最小二乘拟合的代价函数为：上式分别对a₀、a₁、...、a_m求导并令其为零，得到多项式的各项系数a₀、a₁、...、a_m应满足的方程组：

步骤三：计算和

步骤四：将步骤三得到的结果代入步骤二中的方程组，解出出多项式的各项系数a₀、a₁、...、a_m；

步骤五：得出拟合多项式