CN114596289A - 一种基于软组织轮廓线采样点的口点检测方法 - Google Patents

Abstract

本发明涉及一种基于软组织轮廓线采样点的口点检测方法，包括如下步骤：步骤一、获取软组织轮廓采样点，判断是否存在口点；步骤二、如果口点存在，则继续检测鼻尖点；否则直接退出；步骤三、在指定范围内检测凹点和凸点；步骤四、基于检测的凹点和凸点，判断口点的位置。本发明提出的一种基于软组织轮廓线采样点的口点检测方法，根据侧位图轮廓线的凹凸特性，能够准确地检测出口点位置，大大降低了算法的复杂度，减少了对数据集的依赖。

Description

一种基于软组织轮廓线采样点的口点检测方法

技术领域

本发明涉及X射线头影测量图像技术领域，具体涉及一种基于软组织轮廓线采样点的口点检测方法。

背景技术

在经过几十年的发展，目前头影测量分析技术已广泛应用于研究颅面发育、牙颌正畸与治疗方面。头影测量分析技术是通过医学仪器拍摄患者的颅部，得到X射线头影测量图像，并对图像上的结构特征点进行标记。通过X线投影测量分析得知其畸形机理，初步确定手术部位后，可使用面型预测分析VTO(Visual treatment objective)技术来进一步处理，确定颌骨,牙齿所需移动的方向和距离，以保证手术能够定量化进行，同时通过VTO法可预测术后的面形侧貌，得到一个可视化的术后效果。

现有的针对头影测量的方法中，有些需要进行大量标准数据的工作，还有些方法采用深度学习算法，通过建立级联回归网络搭建全自动检测算法框架，但是需要训练网络，较为繁琐。

发明内容

本发明的目的是计算口点位置，以口点为分界，分别控制侧位图软组织轮廓线的上下两部分变化。切牙分为上下切牙，移动上切牙牵引上半部分轮廓线发生变化，移动下切牙牵引下半部分轮廓线变化，以口点为标准将轮廓线分为两部分，可以更精确地模拟矫治后的侧脸。为克服现有方法的不足，本发明提出一种基于软组织轮廓线采样点的口点检测方法，根据侧位图轮廓线的凹凸特性，能够准确地检测出口点位置，大大降低了算法的复杂度，减少了对数据集的依赖。

本发明的技术方案为：一种基于软组织轮廓线采样点的口点检测方法，包括如下步骤：

步骤一、获取软组织轮廓采样点，判断是否存在口点；

步骤二、如果口点存在，则继续检测鼻尖点；否则直接退出；

步骤三、在指定范围内检测凹点和凸点；

步骤四、基于检测的凹点和凸点，判断口点的位置。

进一步的，所述步骤一包括：

获取软组织轮廓线采样点，由上到下依次为p₁(x₁,y₁),p₂(x₂,y₂),…,p_m(x_m,y_m)；m为采样点个数，获取采样点纵坐标的最大值Y_max和最小值Y_min；设凹点为横坐标小于相邻两点横坐标的采样点；在纵坐标的范围为((Y_max+Y_min)/2,Y_max)的采样点中检测是否存在凹点。

进一步的，所述步骤二中继续检测鼻尖点，包括：

遍历检测所有采样点中横坐标最大的点，得到鼻尖点，记录鼻尖点的纵坐标值Y_nose。

进一步的，所述步骤三在指定范围内检测凹点和凸点，具体包括：

从p₁(x₁,y₁),p₂(x₂,y₂),…,p_m(x_m,y_m)中，依次检测纵坐标在(Y_nose,Y_nose+w*(Y_max-Y_min))范围内的凹点，其中w∈[0.3,0.4]，按照检测的先后顺序，将凹点依次记为sunk₁，sunk₂,…,sunk_a，即共检测出a个凹点；

设凸点为横坐标大于相邻两点横坐标的采样点，依次检测p₁(x₁,y₁),p₂(x₂,y₂),…,p_m(x_m,y_m)中纵坐标在(Y_nose,Y_nose+w*(Y_max-Y_min))范围内的凸点，按照检测的先后顺序，将凸点依次记为convex₁，convex₂,…,convex_b，即共检测出b个凸点。

进一步的，所述步骤四基于检测的凹点和凸点，判断口点的位置，具体包括：

若a>3，轮廓线采样点不准确，出现了噪声扰动现象，计算凹点序列sunk₁，sunk₂,…,sunk_a，两个相邻点之间的欧氏距离，若计算的欧氏距离小于设定阈值，则将两个相邻点中索引值较小的凹点从该序列中删除，更新后的凹点序列为口点候选点；

若a＝3，则凹点序列为sunk₁,sunk₂,sunk₃，根据侧位图凹凸特性，3个凹点依次为鼻下点，口点和下唇凹点，得到口点为sunk₂；

若a＝2，则凹点序列为sunk₁,sunk₂，根据侧位图凹凸特性，2个凹点依次为鼻下点和口点，则得到的口点为sunk₂；

若a＝1，则sunk₁为口点；

若a＝0，口点不存在。

进一步的，在更新后的凹点序列为口点候选点之后，还包括：

设口点候选点共n个，分别设为candidate₁,candidate₂,…,candidate_n，若n＝1，则candidate₁即为口点；若n>1，选择其中一个候选点作为口点，具体如下：

对于i，设凸点序列中纵坐标小于candidate_i点纵坐标且与candidate_i欧式距离最小的凸点为up_i，纵坐标大于candidate_i纵坐标且与candidate_i欧氏距离最小的凸点为down_i，计算向量

和

的夹角theta_i，v＝argmin(theta₁,theta₂,…,theta_n)，则candidate_v为口点，其中argmin(*)为计算最小值下标运算，其中i＝1,2,…,n。

有益效果：

本发明提出一种基于软组织轮廓线采样点的口点检测方法，根据侧位图轮廓线的凹凸特性，能够准确地检测出口点位置，大大降低了算法的复杂度，减少了对数据集的依赖。

附图说明

图1：本发明的方法流程示意图；

图2：软组织轮廓采样点示意图；

图3：鼻尖点示意图；

图4：凸点和凹点示意图；

图5：口点示意图；

图6：软组织轮廓线，以口点为标准，分为上下两部分。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅为本发明的一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域的普通技术人员在不付出创造性劳动的前提下所获得的所有其他实施例，都属于本发明的保护范围。

根据本发明的实施例，如图1所示，提出一种基于软组织轮廓线采样点的口点检测方法，包括以下几个步骤：

步骤一、获取软组织轮廓采样点，判断是否存在口点；

获取软组织轮廓线采样点，如图2所示，由上到下依次为p₁(x₁,y₁),p₂(x₂,y₂),…,p_m(x_m,y_m)；m为采样点个数。获取采样点纵坐标的最大值Y_max和最小值Y_min。设凹点为横坐标小于相邻两点横坐标的采样点。由于轮廓线采样点包含了整个面部信息，因此口点纵坐标的范围为((Y_max+Y_min)/2,Y_max)，检测纵坐标在该范围内的采样点中是否存在凹点，若不存在，则表明口点不存在，直接退出。若存在凹点，则表明可能存在口点。

步骤二、如果口点存在，则继续检测鼻尖点；否则直接退出；

鼻尖点为所有采样点中横坐标最大的点，如图3所示，N1为鼻尖点，因此遍历轮廓线采样点，得到鼻尖点，记录鼻尖点的纵坐标值Y_nose。

步骤三、在指定范围内检测凹点和凸点；

从p₁(x₁,y₁),p₂(x₂,y₂),…,p_m(x_m,y_m)中，依次检测纵坐标在(Y_nose,Y_nose+w*(Y_max-Y_min))范围内的凹点(w∈[0.3,0.4])，按照检测的先后顺序，将凹点依次记为sunk₁，sunk₂,…,sunk_a，即共检测出a个凹点。设凸点为横坐标大于相邻两点横坐标的采样点。依次检测p₁(x₁,y₁),p₂(x₂,y₂),…,p_m(x_m,y_m)中纵坐标在(Y_nose,Y_nose+w*(Y_max-Y_min))范围内的凸点，按照检测的先后顺序，将凸点依次记为convex₁，convex₂,…,convex_b，即共检测出b个凸点。如图4所示，A点为凹点，B点为凸点，C点为p₁(x₁,y₁),p₂(x₂,y₂),…,p_m(x_m,y_m)中纵坐标大于Y_nose+w*(Y_max-Y_min)的采样点。

步骤四、基于检测的凹点和凸点，判断口点的位置；

若a>3，轮廓线采样点不准确，出现了噪声等扰动现象，噪声扰动现象会使得凹点出现的次数增加，噪声扰动位置的凹点与凹点之间的间距减小。计算凹点序列sunk₁，sunk₂,…,sunk_a，两个相邻点之间的欧氏距离，若计算的欧氏距离小于threshold(设定阈值)，则将索引值较小的凹点从该序列中删除，更新后的凹点序列为口点候选点。

设口点候选点共n个，分别设为candidate₁,candidate₂,…,candidate_n，若n＝1，则candidate₁即为口点。若n>1，选择其中一个候选点作为口点。设凸点序列中纵坐标小于candidate_i(i＝1,2,…,n)点纵坐标且与candidate_i欧式距离最小的凸点为up_i，纵坐标大于candidate_i纵坐标且与candidate_i欧氏距离最小的凸点为down_i，计算向量

和

的夹角theta_i。v＝argmin(theta₁,theta₂,…,theta_n)，则candidate_v为口点，其中argmin(*)为计算最小值下标运算。

若a＝3，则凹点序列为sunk₁,sunk₂,sunk₃，根据侧位图凹凸特性，3个凹点依次为鼻下点，口点和下唇凹点，如图4所示，A点由上到下依次为鼻下点，口点、下唇凹点，则得到口点为sunk₂。

若a＝2，则凹点序列为sunk₁,sunk₂，根据侧位图凹凸特性，2个凹点依次为鼻下点和口点，则得到的口点为sunk₂。

若a＝1，则sunk₁为口点。

若a＝0，口点不存在。

检测的口点结果如图5的D点所示，本发明的口点检测方法，根据侧位图轮廓线的凹凸特性，能够准确地检测出口点位置，大大降低了算法的复杂度，减少了对数据集的依赖。

如图6所示，在口点存在的情况下，以口点为标准，生成的上下两部分轮廓线。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，且应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (6)

1.一种基于软组织轮廓线采样点的口点检测方法，其特征在于，包括如下步骤：

步骤一、获取软组织轮廓采样点，判断是否存在口点；

步骤二、如果口点存在，则继续检测鼻尖点；否则直接退出；

步骤三、在指定范围内检测凹点和凸点；

步骤四、基于检测的凹点和凸点，判断口点的位置。

2.根据权利要求1所述的一种基于软组织轮廓线采样点的口点检测方法，其特征在于，所述步骤一包括：

获取软组织轮廓线采样点，由上到下依次为p₁(x₁,y₁),p₂(x₂,y₂),…,p_m(x_m,y_m)；m为采样点个数，获取采样点纵坐标的最大值Y_max和最小值Y_min；设凹点为横坐标小于相邻两点横坐标的采样点；在纵坐标的范围为((Y_max+Y_min)/2,Y_max)的采样点中检测是否存在凹点。

3.根据权利要求1所述的一种基于软组织轮廓线采样点的口点检测方法，其特征在于，所述步骤二中继续检测鼻尖点，包括：

遍历检测所有采样点中横坐标最大的点，得到鼻尖点，记录鼻尖点的纵坐标值Y_nose。

4.根据权利要求1所述的一种基于软组织轮廓线采样点的口点检测方法，其特征在于，所述步骤三在指定范围内检测凹点和凸点，具体包括：

从p₁(x₁,y₁),p₂(x₂,y₂),…,p_m(x_m,y_m)中，依次检测纵坐标在(Y_nose,Y_nose+w*(Y_max-Y_min))范围内的凹点，其中w∈[0.3,0.4]，按照检测的先后顺序，将凹点依次记为sunk₁，sunk₂,…,sunk_a，即共检测出a个凹点；

设凸点为横坐标大于相邻两点横坐标的采样点，依次检测p₁(x₁,y₁),p₂(x₂,y₂),…,p_m(x_m,y_m)中纵坐标在(Y_nose,Y_nose+w*(Y_max-Y_min))范围内的凸点，按照检测的先后顺序，将凸点依次记为convex₁，convex₂,…,convex_b，即共检测出b个凸点。

5.根据权利要求4所述的一种基于软组织轮廓线采样点的口点检测方法，其特征在于，所述步骤四基于检测的凹点和凸点，判断口点的位置，具体包括：

若a>3，轮廓线采样点不准确，出现了噪声扰动现象，计算凹点序列sunk₁，sunk₂,…,sunk_a，两个相邻点之间的欧氏距离，若计算的欧氏距离小于设定阈值，则将两个相邻点中索引值较小的凹点从该序列中删除，更新后的凹点序列为口点候选点；

若a＝3，则凹点序列为sunk₁,sunk₂,sunk₃，根据侧位图凹凸特性，3个凹点依次为鼻下点，口点和下唇凹点，得到口点为sunk₂；

若a＝2，则凹点序列为sunk₁,sunk₂，根据侧位图凹凸特性，2个凹点依次为鼻下点和口点，则得到的口点为sunk₂；

若a＝1，则sunk₁为口点；

若a＝0，口点不存在。

6.根据权利要求5所述的一种基于软组织轮廓线采样点的口点检测方法，其特征在于，在更新后的凹点序列为口点候选点之后，还包括：

设口点候选点共n个，分别设为candidate₁,candidate₂,…,candidate_n，若n＝1，则candidate₁即为口点；若n>1，选择其中一个候选点作为口点，具体如下：

对于i，设凸点序列中纵坐标小于candidate_i点纵坐标且与candidate_i欧式距离最小的凸点为up_i，纵坐标大于candidate_i纵坐标且与candidate_i欧氏距离最小的凸点为down_i，计算向量

和

的夹角theta_i，v＝argmin(theta₁,theta₂,…,theta_n)，则candidate_v为口点，其中argmin(*)为计算最小值下标运算，其中i＝1,2,…,n。

Images