CN111753709A - 一种基于分数阶傅里叶变换的三维腭皱识别方法 - Google Patents
一种基于分数阶傅里叶变换的三维腭皱识别方法 Download PDFInfo
- Publication number
- CN111753709A CN111753709A CN202010568646.5A CN202010568646A CN111753709A CN 111753709 A CN111753709 A CN 111753709A CN 202010568646 A CN202010568646 A CN 202010568646A CN 111753709 A CN111753709 A CN 111753709A
- Authority
- CN
- China
- Prior art keywords
- palate
- dimensional
- pucker
- wrinkle
- fourier transform
- 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.)
- Pending
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
- 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
- G06V40/155—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands use of biometric patterns for forensic purposes
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
一种基于分数阶傅里叶变换的三维腭皱识别方法,属于人体生物特征法医同一认定技术领域,包括以下步骤:通过口扫的方式获取三维腭皱点云数据;对三维腭皱图像等距切片标准化处理;对腭皱切片剖面图像进行分块和二值化处理;构建腭皱切片剖面图像数据库;通过分数阶傅里叶变换提取腭皱切片剖面图像中腭皱曲线的分数域特征;采用基于SVM‑RFE方法对分数域特征进行特征选择,进而选择出最优的特征向量组合;最后进行三维腭皱识别。本发明简化了三维腭皱图像识别问题的复杂度,利用分数阶傅里叶变换可以从时域和频域上提取到丰富的腭皱切片剖面曲线特征,提升了腭皱识别的效果。
Description
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,具体涉及一种用于法医同一认定的采用等距切片和分数阶傅里叶变换特征提取的三维腭皱识别方法。
背景技术
腭皱是位于人口腔顶部硬腭的前三分之一处,从切牙乳突和腭中缝前部向外延伸的不规则、不对称的脊线。生物特征识别是一种利用人的生理特征或者行为特征来进行个人身份鉴定的技术。作为一种新的生物特征,腭皱与指纹、人脸、虹膜等在生物特征识别中起到的作用是等价的。每个人的腭皱独一无二,腭皱在人的一生中,都会保持其形状不变,只会因正常生长发育而发生长度和宽度的变化。腭皱满足生物特征对遗传性、稳定性、可采集性和唯一性的要求。
生物识别技术在一些巨大灾难和刑事案件(例如重大航空事故、自然灾害、工业爆炸中等)中起着非常重要的作用。由于指纹、人脸和虹膜等易受到温度、湿度以及巨大破坏力等因素的影响,很难完整保存下来,这给个人身份识别带来一定的困难。由于受到口腔内软硬组织(例如唇、脸颊、牙齿、以及骨骼等)的保护,在发生创伤和高温时,腭皱能够免受破坏。有研究表明,腭皱能耐受三度烧伤这样的伤害,且在人死亡7天之内,抗腐败能力较强,仍能保持较为完整的形态。因此,腭皱可以作为一种生物特征用作个人身份识别。
目前,学者们对腭皱的研究主要集中在人类学、遗传学、法医口腔学、法医齿科学和解剖学等领域,主要对腭皱的形态、数量、长度、性别以及种族等进行统计意义上的分类研究,而在三维数字图像识别方面的研究较少,也没有形成一套完整的理论体系。1732年,Winslow首次提出“腭皱”的解剖概念。1889年,Allen等人在研究腭皱过程中,首次将腭皱作为身份识别的工具。1955年,Lysell开发了第一个腭皱分类系统。随后,大量的研究者们将腭皱的形状、数量、长度及方向等进行分类,发明了不同类型的腭皱分类系统并将其用于个人的身份识别,其中Kapali和Thomas等人的分类方法最为常用。2007年,数名研究学者在以往腭皱分类的基础上,对最常用的分类方法,如Gamea分类法、Martins dos Santos分类法等进行系统的总结整理。2010年,Hamanth M使用软件MS paint version5.1进行对腭皱图像的信息提取及匹配。2010年,Bernitz等人运用放射变换原理对1例法医样本进行了同一认定的研究,再次强调了在无法获得DNA等用于同一认定研究时,腭皱作为鉴别工具的优势。与国外对腭皱识别的研究工作相比,国内对腭皱识别的研究起步较晚。2015年,潘菲等人论述了腭皱具有法医同一认定要求的稳定性、差异性和广泛性这三大特性。2016年,武秀萍等人建立了腭皱法医学同一认定的数字化系统并对其进行效果评价。2017年,贾宇论述了腭皱在口腔法医学中的重要性。同年,李冰证明了利用腭皱数字图像进行法医口腔学同一认定的可行性。总的来说,国内外学者针对二维腭皱图像的研究主要集中在提取或统计腭皱条纹的形状、数量、长度以及条纹边缘特征。
到目前为止,对三维腭皱数字图像识别的研究比较少。传统方法通过制作石膏模型来采集三维腭皱数据,存在容易损坏、采集耗时、难储存等问题。2015年,Taneva E D将腭皱做成石膏模型,然后通过扫描仪器将模型扫描成三维腭皱数字图像,最后用于图像的特征匹配。2016年,Batool Ali等人采用Thamas和Kotze分类法对患者正畸治疗后三维腭皱石膏模型进行了腭皱长度和形状的评估。2017年,Daniele Gibelli等人验证了腭皱三维模型的唯一性,并将其应用于身份鉴定。同年,武小雪使用数码相机对腭皱石膏模型拍照,对腭皱的条数和其占空比等进行编码,最后进行特征匹配的研究。2019年,贾宇利用三维数字腭皱模型,对其腭皱型与性别和血型展开了相关性的研究,探索了利用腭皱长度、形状识别性别的可能性。
发明内容
为解决现有三维腭皱数字图像识别技术欠缺的技术问题,本发明提供了一种能够完成三维腭皱识别的用于人体生物特征法医同一认定的方法,该方法准确快速,识别效果较好。
本发明通过以下技术方案予以实现。
一种基于分数阶傅里叶变换的三维腭皱识别方法,具体包括以下步骤:
步骤一、采用口内扫描仪对口腔内进行扫描,获取三维腭皱点云数据。具体地,采集设备为便携式彩色口内扫描仪(包括扫描枪、USB秘钥和软件U盘、POD底座、彩色校准头及笔记本电脑),首先,校正牙椅位置,并调整志愿者在牙椅上的姿势,使志愿者的下颌与地面平行,并且使志愿者的上颌与地面垂直;然后,将消毒处理后的扫描枪枪头伸入志愿者口腔内进行口腔内扫描操作,沿着牙齿移动扫描,并检查腭皱的各个面是否完整,如果有漏洞或者扫描不完全,进行补扫;最后,将口腔内扫描数据导入计算机,获取三维腭皱点云数据。
步骤二、对三维腭皱点云数据进行等距切片标准化操作,获得腭皱切片剖面图像。为了保证每次均能提取到稳定的腭皱特征,需要设定标准化的等距切片提取过程,等距切片的方法是采用垂直于基准平面的等距平行平面与三维腭皱模型相交来产生间距恒等的剖面图像。等距切片的具体操作为:(1)三维腭皱基准平面的确定:选择切牙乳突端点和左右两侧第三颗牙齿的轮廓中点处为特征点,用这三点来构建三维腭皱基准平面,并保持基准平面水平;(2)三维腭皱图像的角度矫正:旋转图像直至使左右特征点连线水平,完成三维腭皱图像的角度矫正;(3)初始切面位置设定为:从切牙乳突起,左右两侧的第五颗和第六颗牙齿中缝连线所处平面;(4)剖面图像生成:沿着切牙乳突方向进行等距切片操作。等距切片的恒定间距为1mm,每隔1mm开始对三维腭皱做一次等距切片操作,依次操作,共进行40次切片操作,经过等距切片后,依次得到40张二维腭皱剖面图,并保存为jpg格式,40张二维腭皱剖面图共同构成一个腭皱的切片样本集。
步骤三、腭皱切片剖面图像进行分块及二值化处理。为了提取完整的腭皱切片剖面图像中的腭皱切线,减少图像中网格的干扰及亮度不均匀的问题,增强有关信息的可检测性和最大限度地简化数据,从而增加腭皱特征抽取、腭皱图像分割、腭皱匹配和识别的可靠性,本方法对步骤二所获数据库中的腭皱切片剖面图像进行分块和二值化处理。
步骤四、构建腭皱切片剖面图像数据库。本方法建立的腭皱切片剖面图像数据库,采集对象共包含91人,其中男性34人,女性57人,采集对象的年龄为23~35岁之间,对每人采集5组三维腭皱图像样本。对每个腭皱样本进行等距切片操作,进而又可获取每个腭皱样本的40张腭皱等距切片剖面曲线图像,由此,可以得到91个人的455个腭皱样本和18200张腭皱切面图像。其中,每人的5组三维腭皱图像样本是在不同的时间、同一光暗的背景下所获取的三维腭皱图像。
步骤五、提取腭皱切片剖面图像中腭皱切线的分数阶傅里叶变换幅值特征,本方法首先提取腭皱剖面图像腭皱切线的一维坐标信息,进而利用分数阶傅里叶变换提取其分数阶傅里叶变换后的幅值特征。
步骤六、构建腭皱分数域特征向量。本方法构建腭皱分数域特征向量,具体地,通过计算幅值特征函数的最大峰值(记作fc1p)、峰值函数的方差特征(记作fc2p)、峰值函数的熵特征(记作fc3p)、幅值熵(记作fc4p),幅值方差(记作fc5p),三阶中心矩(记作fc6p)和四阶中心矩(记作fc7p),阶次的取值为p=0.5,0.6,…,1.5,利用特征值fc1p,fc2p,fc3p,fc4p,fc5p,fc6p,fc7p依次组合来构建腭皱分数域特征向量。
步骤七、对分数域特征向量进行特征选择。由于步骤六中构建的分数域特征向量有冗余,基于此,本方法采用基于SVM-RFE的方法对分数域特征向量进行特征选择,进而选择出最优的特征向量组合。
步骤八、三维腭皱识别。本方法构建的三维腭皱识别系统包括三维腭皱图像训练过程和三维腭皱图像测试过程这两个组成部分,在每个组成部分中包括图像预处理、分数阶傅里叶变换特征提取、构建分数域特征向量、特征选择及分类识别。
与现有技术相比本发明的有益效果为:
本发明提出的等距切片思想简化了三维腭皱图像识别问题的复杂度,同时采用分数阶傅里叶变换提取腭皱切片剖面图像中腭皱切线的时域和频域特征,提取的特征信息更加丰富。总之,在实际操作过程中,本方法可以降低计算三维腭皱识别问题的复杂度,加快运算的速度。
附图说明
图1为三维腭皱数字图像示意图。
图2为三维腭皱基准面示意图。
图3为三维腭皱角度矫正示意图。
图4为三维腭皱切面初始位置示意图。
图5为三维腭皱等距切片示意图。
图6为一个腭皱的切片样本集示意图。
图7为腭皱切片剖面图像预处理流程示意图。
图8为提取腭皱切片剖面图像腭皱曲线一维信号流程图。
图9为腭皱切线的分数阶傅里叶变换的幅值特征曲线图。
图10为三维腭皱识别系统示意图。
图11为不同切片位置处数据库识别结果折线图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
一种基于分数阶傅里叶变换的三维腭皱识别方法,具体步骤如下:
步骤一、采用口内扫描仪对口腔内进行扫描,获取三维腭皱点云数据。具体地,采集设备为便携式彩色口内扫描仪(包括扫描枪、USB秘钥和软件U盘、POD底座、彩色校准头及笔记本电脑),首先,校正牙椅位置,并调整志愿者在牙椅上的姿势,使志愿者的下颌与地面平行,并且使志愿者的上颌与地面垂直;然后,将消毒处理后的扫描枪枪头伸入志愿者口腔内进行口腔内扫描操作,沿着牙齿移动扫描,并检查腭皱的各个面是否完整,如果有漏洞或者扫描不完全,进行补扫;最后,将口腔内扫描数据导入计算机,获取三维腭皱点云数据,口扫三维腭皱图像如图1所示,传统方法从腭皱模体上扫描三维腭皱数据,采集过程中可能会造成误差积累现象发生,而本文使用便携式口腔扫描仪直接从口腔内采集三维腭皱信息,减少了采集过程不必要的误差,简化了采集流程的复杂度,保证了数据采集的精度。。
步骤二、对三维腭皱点云数据进行等距切片标准化操作,获得腭皱切片剖面图像。将等距切片的思想引入三维腭皱数字化的描述中,可以有效降低问题复杂度,而为了保证每次均能提取到稳定的腭皱特征,需要设定标准化的等距切片提取过程,等距切片的方法是采用垂直于基准平面的等距平行平面与三维腭皱模型相交来产生间距恒等的剖面图像。等距切片的具体操作为:(1)三维腭皱基准平面的确定:如图2所示,选择切牙乳突端点和左右两侧第三颗牙齿的轮廓中点处为特征点,用这三点来构建三维腭皱基准平面,并保持基准平面水平;(2)三维腭皱图像的角度矫正:在图3中,旋转图像直至使左右特征点连线水平,完成三维腭皱图像的角度矫正;(3)初始切面位置设定为:如图4所示,从切牙乳突起,左右两侧的第五颗和第六颗牙齿中缝连线所处平面;(4)剖面图像生成:图5示意了沿着切牙乳突方向进行等距切片操作。等距切片的恒定间距为1mm,每隔1mm开始对三维腭皱做一次等距切片操作,依次操作,共进行40次切片操作,经过等距切片后,依次得到40张二维腭皱剖面,并保存为jpg格式,40张二维腭皱剖面共同构成一个腭皱的切片样本集,如图6所示。
步骤三、腭皱切片剖面图像分块及二值化处理。为了提取完整的腭皱切片剖面图像中的腭皱切线,减少图像中网格的干扰及亮度不均匀的问题,增强有关信息的可检测性和最大限度地简化数据,从而增加腭皱特征抽取、腭皱图像分割、腭皱匹配和识别的可靠性,本方法对步骤四所获数据库中的腭皱切片剖面图像进行分块和二值化处理,如图7所示,可以发现,本方法可以很好的解决腭皱切片剖面图像中存在亮度不均匀和网格线干扰的问题,最终,可以得到干净的腭皱切线图像。
步骤四、构建腭皱切片剖面图像数据库。本方法建立的腭皱切片剖面图像数据库,采集对象共包含91人,其中男性34人,女性57人,采集对象的年龄为23~35岁之间,对每人采集5组三维腭皱图像样本。对每个腭皱样本进行等距切片操作,进而又可获取每个腭皱样本的40张腭皱等距切片剖面曲线图像,由此,可以得到91个人的455个腭皱样本和18200张腭皱切面图像。其中,每人的5组三维腭皱图像样本是在不同的时间、同一光暗的背景下所获取的三维腭皱图像。
步骤五、提取腭皱切片剖面图像中腭皱切线的分数阶傅里叶变换幅值特征。本方法首先提取腭皱剖面图像腭皱切线的一维坐标信息(如图8),进而利用分数阶傅里叶变换提取其分数阶傅里叶变换后的幅值特征;设腭皱切片剖面图像腭皱切线的一维信号为s(t),其p阶分数阶傅里叶变换线性积分运算的定义为:
式1中,p为阶次,Kp(t,u)为变换核函数,如式2所示:
其中Re为实部,Im为虚部。
腭皱切片剖面图像中腭皱切线的一维信号经过分数阶傅里叶变换后,其幅值特征图如图9所示,选择阶次p=0.9时,幅值特征曲线图中出现一个明显的峰值,即能量高度聚集在中部。
步骤六、构建腭皱分数域特征向量。传统方法主要是针对二维图像识别,一维信号的的识别研究较少,且大多用阶次和最大峰值构建特征向量,特征数目较少,包含信息不足。针对这一问题,本文通过构建新的特征参数来扩征特征量,以求找到对腭皱分类识别的较好特征。具体构建特征向量如下:本方法构建腭皱分数域特征向量,具体地,通过计算幅值特征函数的最大峰值(记作fc1p)、峰值函数的方差特征(记作fc2p)、峰值函数的熵特征(记作fc3p)、幅值熵(记作fc4p),幅值方差(记作fc5p),三阶中心矩(记作fc6p)和四阶中心矩(记作fc7p),将其依次组合来构建腭皱分数域特征向量。
为了便与表达,设腭皱切面曲线一维信号的分数阶傅里叶变换的幅值函数替换为fp(m),其中p=0.5,0.6,…,1.5,m=0,1,…,M,M为幅值曲线的长度。对变换后信号fp(m)分别提取分数域特征:
(1)最大峰值(记作fc1p)。
(2)峰值函数方差,峰值函数熵。
首先提取fp(m)函数的极大值点,记作峰值函数gp(m'),m'表示极大值的位置。峰值函数在一定程度上能够反映腭皱切面曲线信号的周期特性。然后提取的峰值函数的方差特征(记作fc2p)和熵特征(记作fc3p):
(3)幅值熵(记作fc4p),幅值方差(记作fc5p),三阶中心矩(记作fc6p),四阶中心距(记作fc7p)。
幅值函数fp(m)的幅值熵一般反映了信号的能量离散程度;幅值方差主要反映了切面曲线信号幅度的起伏变化情况;中心矩是一种简单的平移不变特征,它反映了切面曲线信号幅度的形状信息。综上所述,构建的腭皱分数域特征向量的依次按各个阶次所有特征排列成一个一维向量,其一幅切面曲线图像的分数域特征如表1所示:
表1一幅切片图像的分数域特征表
步骤七、对分数域特征向量进行特征选择。由于步骤六中构建的分数域特征极大地增多了特征数目,一个腭皱样本有40幅腭皱切片序列图像,其特征向量维数可达3080维(40*77),而其中存在一些冗余特征。因此在此基础上需要进行特征选择,既要防止出现维度灾难,又要降低计算量。目前国内外现有的大部分特征选择算法中,最优特征组合的构成大都是用每次从现存特征中增加或者去掉某些特征的方法,直至特征数等于设定的特征数目为止。这种方法不仅在特征数目的设置上有一定困难,而且特征选择和分类的准则也可能存在不一致的问题,造成分类效果的不够理想。因此,本方法使用SVM-RFE(supportvector machine recursive feature elimination)来进行特征选择和分类,不仅可以自动确定特征数目,而且通过特征选择和分类器设计的联合优化,解决了特征选择和分类准则不一致的问题。SVM-RFE特征选择算法步骤如下:
输入训练样本X0=[x1,x2,…,xl]T,类标签y=[y1,y2,…,yl]T。
初始化原始特征集合s=[1,2,…,n],特征排序r=[]。
特征排序:
循环以下过程,直到s=[]
训练SVM分类器:X=X0(:,s),α=SVM-train(X,y)
计算排序准则分数:ci=(wi)2
找出排序准则中分数最小的特征:e=argmini ci
去除此特征:S=S-[e]
更新特征集:R=[e,R]
输出特征排序集R。
步骤八、三维腭皱识别。本方法采用的三维腭皱识别系统包括三维腭皱图像训练过程和三维腭皱图像测试过程这两个组成部分,在每个组成部分中包括图像预处理、分数阶傅里叶变换特征提取、构建分数域特征向量、特征选择及分类识别。图10给出了三维腭皱识别系统示意图。三维腭皱识别具体方法为:
首先,利用等距切片的思想对三维腭皱点云数据进行处理,并构建腭皱切片样本标准数据库;其次,将腭皱切面样本标准数据库分为训练样本集和测试样本集,分别送入训练过程和测试过程,在这两个部分中,对腭皱切面曲线图像进行图像预处理(即:分块和二值化的预处理方法),恢复出干净的腭皱切片剖面曲线图像;然后,提取腭皱切面曲线坐标的一维信号信息,并用分数阶傅里叶变换提取信号不同阶次下的幅值信息,将提取不同阶次的特征用于构建特征向量;最后,在腭皱切线特征向量分类中,使用SVM分类器进行分类,最终输出分类结果。
具体案例:
在实验过程,本文发现每个样本有40张腭皱切片剖面序列图像,且这40张腭皱切片图像对应三维腭皱40个切片位置,那么每个切片位置处的腭皱切片曲线图像又有很大的差异,因此,每个位置处的腭皱切片图像是否可以用来识别是一个值得研究的问题。因此,为了验证这个猜想,本文把每个切片位置的腭皱剖面图像组成组成新的数据库,共40个样本数据库,其不同位置处识别结果如图11所示。从图11中可知,不同位置处腭皱数据的平均识别率在89%上下跳动,识别率较高,说明在某些特殊情况下,可以用不同位置的腭皱切片剖面图像做识别。
图像预处理中选择则2*2分块(ID#1)、3*3分块(ID#2)、4*4分块(ID#3)和二值化结合的方法,分块类型不同,腭皱切片剖面图像中腭皱切线的数据量丢失不同。为了验证这些情况,本文将实验结果汇总在表2中,表中示意了不同分块类下进行特征选择好处,如果直接对分数阶傅里叶变换(,FrFT)后的分数域特征进行SVM分类,其识别效果很差。从特征选择维数最低及平均识别率较高分析得出,采用基于SVM-RFE特征选择的ID#1分块类型的方案效果最好。
表2实验结果分析总结表
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种基于分数阶傅里叶变换的三维腭皱识别方法,其特征在于包括以下步骤:
步骤一、采用口内扫描仪对口腔内进行扫描,获取三维腭皱点云数据;
步骤二、对三维腭皱点云数据进行等距切片标准化操作,获得腭皱切片剖面图像;
步骤三、对腭皱切片剖面图像进行分块及二值化处理;
步骤四、构建腭皱切片剖面图像数据库;
步骤五、提取腭皱切片剖面图像中腭皱切线的分数阶傅里叶变换幅值特征;
步骤六、构建腭皱分数域特征向量;
步骤七、对分数域特征向量进行特征选择;
步骤八、对三维腭皱进行识别并输出结果。
2.根据权利要求1所述的一种基于分数阶傅里叶变换的三维腭皱识别方法,其特征在于:在所述步骤一中,采用口内扫描仪对口腔内进行扫描的步骤为:首先,校正牙椅位置,并调整志愿者在牙椅上的姿势,使志愿者的下颌与地面平行,并且使志愿者的上颌与地面垂直;然后,将消毒处理后的扫描枪枪头伸入志愿者口腔内进行口腔内扫描操作,沿着牙齿移动扫描,并检查腭皱的各个面是否完整,如果有漏洞或者扫描不完全,进行补扫;最后,将口腔内扫描数据导入计算机,获取三维腭皱点云数据。
3.根据权利要求1所述的一种基于分数阶傅里叶变换的三维腭皱识别方法,其特征在于:在所述步骤二中,为了保证每次均能提取到稳定的腭皱特征,需要设定标准化的等距切片提取过程,等距切片的方法是采用垂直于基准平面的等距平行平面与三维腭皱模型相交来产生间距恒等的剖面图像,等距切片的具体操作步骤为:
一、三维腭皱基准平面的确定:选择切牙乳突端点和左右两侧第三颗牙齿的轮廓中点处为特征点,用这三点来构建三维腭皱基准平面,并保持基准平面水平;
二、三维腭皱图像的角度矫正:旋转图像直至使左右特征点连线水平,完成三维腭皱图像的角度矫正;
三、初始切面位置设定为:从切牙乳突起,左右两侧的第五颗和第六颗牙齿中缝连线所处平面;
四、剖面图像生成:设定等距切片的恒定间距,每隔恒定间距沿着切牙乳突方向对三维腭皱做一次等距切片操作,循环若干次等距切片操作后,依次得到每一次等距切片操作后对应的二维腭皱剖面图,将二维腭皱剖面图保存为jpg格式,全部二维腭皱剖面图共同构成一个腭皱的切片样本集。
4.根据权利要求3所述的一种基于分数阶傅里叶变换的三维腭皱识别方法,其特征在于:等距切片的恒定间距为1mm,每隔1mm对三维腭皱做一次等距切片操作,依次操作,共进行40次切片操作,经过等距切片后,依次得到40张二维腭皱剖面序列图,并保存为jpg格式,40张二维腭皱剖面图共同构成一个腭皱的切片样本集。
5.根据权利要求1所述的一种基于分数阶傅里叶变换的三维腭皱识别方法,其特征在于:在步骤四中,采集对象共包含91人,其中男性34人,女性57人,采集对象的年龄为23~35岁之间,对每人采集5组三维腭皱图像样本,对每个腭皱样本进行步骤二所述的等距切片操作,进而又可获取每个腭皱样本的40张腭皱等距切片剖面曲线图像,由此,可以得到91个人的455个腭皱样本和18200张腭皱切片剖面图像。
6.根据权利要求5所述的一种基于分数阶傅里叶变换的三维腭皱识别方法,其特征在于:每个人的5组三维腭皱图像是在不同时间、同一光暗的背景下所获取的三维腭皱图像。
8.根据权利要求1所述的一种基于分数阶傅里叶变换的三维腭皱识别方法,其特征在于:在所述步骤六中,通过计算幅值特征函数的最大峰值fc1p、峰值函数的方差特征fc2p、峰值函数的熵特征fc3p、幅值熵fc4p,幅值方差fc5p,三阶中心矩fc6p和四阶中心矩fc7p,阶次的取值为p=0.5,0.6,…,1.5,利用这些特征值来构建腭皱分数域特征向量。
9.根据权利要求1所述的一种基于分数阶傅里叶变换的三维腭皱识别方法,其特征在于:在所述步骤七中,采用SVM-RFE的方法对分数域特征向量进行特征选择,进而选择出最优的特征向量组合。
10.根据权利要求1所述的一种基于分数阶傅里叶变换的三维腭皱识别方法,其特征在于:在步骤八中,三维腭皱识别包括三维腭皱图像训练过程和三维腭皱图像测试过程两个部分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010568646.5A CN111753709A (zh) | 2020-06-19 | 2020-06-19 | 一种基于分数阶傅里叶变换的三维腭皱识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010568646.5A CN111753709A (zh) | 2020-06-19 | 2020-06-19 | 一种基于分数阶傅里叶变换的三维腭皱识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111753709A true CN111753709A (zh) | 2020-10-09 |
Family
ID=72675367
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010568646.5A Pending CN111753709A (zh) | 2020-06-19 | 2020-06-19 | 一种基于分数阶傅里叶变换的三维腭皱识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111753709A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113487667A (zh) * | 2021-06-03 | 2021-10-08 | 北京大学深圳医院 | 上颌腭部容积测量方法、测量系统、电子设备及存储介质 |
CN114287950A (zh) * | 2021-12-27 | 2022-04-08 | 北京理工大学 | 基于持续同调和傅里叶变换的心脏病计算机辅助分类方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060072810A1 (en) * | 2001-05-24 | 2006-04-06 | Scharlack Ronald S | Registration of 3-D imaging of 3-D objects |
CN104361570A (zh) * | 2014-11-19 | 2015-02-18 | 深圳市富视康实业发展有限公司 | 一种基于分数阶傅里叶变换的图像融合方法 |
CN105403873A (zh) * | 2015-12-11 | 2016-03-16 | 西安电子科技大学 | 基于分数阶傅里叶变换的目标特征提取方法 |
CN110187313A (zh) * | 2019-05-31 | 2019-08-30 | 中国人民解放军战略支援部队信息工程大学 | 基于分数阶Fourier变换的雷达信号分选识别方法及装置 |
CN110852291A (zh) * | 2019-11-15 | 2020-02-28 | 太原科技大学 | 一种采用Gabor变换和分块降维的腭皱识别方法 |
CN110991339A (zh) * | 2019-12-02 | 2020-04-10 | 太原科技大学 | 一种采用循环频谱的三维腭皱识别方法 |
-
2020
- 2020-06-19 CN CN202010568646.5A patent/CN111753709A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060072810A1 (en) * | 2001-05-24 | 2006-04-06 | Scharlack Ronald S | Registration of 3-D imaging of 3-D objects |
CN104361570A (zh) * | 2014-11-19 | 2015-02-18 | 深圳市富视康实业发展有限公司 | 一种基于分数阶傅里叶变换的图像融合方法 |
CN105403873A (zh) * | 2015-12-11 | 2016-03-16 | 西安电子科技大学 | 基于分数阶傅里叶变换的目标特征提取方法 |
CN110187313A (zh) * | 2019-05-31 | 2019-08-30 | 中国人民解放军战略支援部队信息工程大学 | 基于分数阶Fourier变换的雷达信号分选识别方法及装置 |
CN110852291A (zh) * | 2019-11-15 | 2020-02-28 | 太原科技大学 | 一种采用Gabor变换和分块降维的腭皱识别方法 |
CN110991339A (zh) * | 2019-12-02 | 2020-04-10 | 太原科技大学 | 一种采用循环频谱的三维腭皱识别方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113487667A (zh) * | 2021-06-03 | 2021-10-08 | 北京大学深圳医院 | 上颌腭部容积测量方法、测量系统、电子设备及存储介质 |
CN113487667B (zh) * | 2021-06-03 | 2023-07-25 | 北京大学深圳医院 | 上颌腭部容积测量方法、测量系统、电子设备及存储介质 |
CN114287950A (zh) * | 2021-12-27 | 2022-04-08 | 北京理工大学 | 基于持续同调和傅里叶变换的心脏病计算机辅助分类方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Phillips | Matching pursuit filters applied to face identification | |
Cope et al. | Plant species identification using digital morphometrics: A review | |
Wang et al. | Multi-scale differential feature for ECG biometrics with collective matrix factorization | |
Vezzetti et al. | Geometry-based 3D face morphology analysis: soft-tissue landmark formalization | |
Braga et al. | Efficacy of diffeomorphic surface matching and 3D geometric morphometrics for taxonomic discrimination of Early Pleistocene hominin mandibular molars | |
Atmosukarto et al. | 3D object classification using salient point patterns with application to craniofacial research | |
Yang et al. | Skull sex estimation based on wavelet transform and Fourier transform | |
CN111753709A (zh) | 一种基于分数阶傅里叶变换的三维腭皱识别方法 | |
Agarwal et al. | 3D local ternary co-occurrence patterns for natural, texture, face and bio medical image retrieval | |
Zhang et al. | Efficient 3D dental identification via signed feature histogram and learning keypoint detection | |
Sajid et al. | The role of facial asymmetry in recognizing age-separated face images | |
Ritzman et al. | Mandibular ramus shape of Australopithecus sediba suggests a single variable species | |
Ricanek et al. | The effect of normal adult aging on standard PCA face recognition accuracy rates | |
Holzinger et al. | On the generation of point cloud data sets: Step one in the knowledge discovery process | |
CN110991339A (zh) | 一种采用循环频谱的三维腭皱识别方法 | |
Mao et al. | A novel method of human identification based on dental impression image | |
Zheng et al. | Skull similarity comparison based on SPCA | |
Limberger et al. | Shrec'17 track: Point-cloud shape retrieval of non-rigid toys | |
Simmons-Ehrhardt et al. | Quantitative accuracy and 3D biometric matching of 388 statistically estimated facial approximations of live subjects | |
Al-Sultan et al. | A new approach to develop biometric fingerprint using human right thumb fingernail | |
Shou et al. | Evaluating partial shape queries for pathology-based retrieval of vertebra | |
Xue et al. | Spine X-ray image retrieval using partial vertebral boundaries | |
Ben Amor et al. | An experimental illustration of 3D facial shape analysis under facial expressions | |
Wang et al. | Biologically-inspired aging face recognition using C1 and shape features | |
Gudivada et al. | An approach to interactive retrieval in face image databases based on semantic attributes |
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 |