项目名称: 颅面五官分割与形态统计中的关键技术研究

项目编号: No.61305032

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 自动化技术、计算机技术

项目作者: 刘晓宁

作者单位: 西北大学

项目金额: 24万元

中文摘要: 颅面五官形态主要研究面貌与颅骨五官的生长变化规律、外观形态规律及相互关系,是人类体貌规律研究的重要分支。五官形态是颅骨复原中的关键技术和难点,现有的形态数据大多基于X线片获取,统计范围小,且未涉及三维形态。随着人类生活水平的提高,颅面五官形态发生了不小的变化,急需更新的、更科学的五官形态数据。 本项目以颅面网格数据为基础,主要研究内容包括:①基于颅面边缘点的CPD(Coherent Point Drift)三维颅面数据自动配准技术;②基于SVDD的颅面五官分割技术;③采用多重约束的层次点对应方法进行五官各分区数据的规格化处理,实现不同颅面之间数据稠密度一致性;④建立基于统计的五官形态统计模型,发现不同人颅骨之间的本质差异点,分析蒙古人种不同年龄、不同性别的颅面五官形态规律。 本项目建立在多年积累的头颅图像集基础之上, 研究成果可为颅骨复原、医学整容等相关领域提供科学依据与应用基础

中文关键词: 颅面复原;颅骨形态统计;五官分区;颅骨性别鉴定;颅面数据规格化

英文摘要: The research of morphology of craniofacial features is mainly to study the growth law of face and skull, the law of facial appearance. It is an important branch of human body studying. The morphology of craniofacial features is the key technology, also difficult, of the facial reconstruction. The present morphology data are mostly based on the X-ray, so the statistical range is relatively small, and is not related to the three-dimensional morphology. With the improvement of people's living condition, many changes are happened on the morphology of craniofacial features, we need the newest and more scientific features of morphological data. Based on the craniofacial grid data, the main research contents in this project include: ①the dynamical registration of craniofacial based on CPD; ②the segmentation of craniofacial features based on SVDD; ③To realize different craniofacial between data consistency consistency, we use hierarchical multiple constraints corresponding method of normalization features each partition data; ④the foundation of features morphology statistical model. Based on the model, we can find the key differences between different skulls, and analyze the craniofacial morphological features of Mongoloid in different age and sex. This project is based on the data we have got by several years. The rese

英文关键词: craniofacial reconstruction;Skull morphology statistics;Facial features partition;skull sex determination;Craniofacial data normalization

成为VIP会员查看完整内容
0

相关内容

基于深度学习的图像目标检测算法综述
专知会员服务
97+阅读 · 2022年4月15日
「计算机视觉」2022 年 5 大趋势
专知会员服务
73+阅读 · 2022年3月27日
【CVPR2022】基于鲁棒区域特征生成的零样本目标检测
专知会员服务
10+阅读 · 2022年3月22日
专知会员服务
27+阅读 · 2021年10月6日
专知会员服务
32+阅读 · 2021年9月29日
专知会员服务
22+阅读 · 2021年9月23日
 图像内容自动描述技术综述
专知会员服务
85+阅读 · 2019年11月17日
医学图像数据读取及预处理方法总结
极市平台
22+阅读 · 2022年1月4日
21个深度学习开源数据集分类汇总
极市平台
0+阅读 · 2021年12月29日
周礼栋:用长期主义,回归科学研究的本质
微软研究院AI头条
0+阅读 · 2021年9月14日
人脸专集2 | 人脸关键点检测汇总(文末有相关文章链接)
计算机视觉战队
25+阅读 · 2019年4月4日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
图像检索研究进展:浅层、深层特征及特征融合
机器学习研究会
65+阅读 · 2018年3月26日
基于图片内容的深度学习图片检索(一)
七月在线实验室
20+阅读 · 2017年10月1日
干货|全景视频拼接的关键技术分析
全球人工智能
13+阅读 · 2017年7月15日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月15日
Arxiv
38+阅读 · 2020年3月10日
小贴士
相关VIP内容
基于深度学习的图像目标检测算法综述
专知会员服务
97+阅读 · 2022年4月15日
「计算机视觉」2022 年 5 大趋势
专知会员服务
73+阅读 · 2022年3月27日
【CVPR2022】基于鲁棒区域特征生成的零样本目标检测
专知会员服务
10+阅读 · 2022年3月22日
专知会员服务
27+阅读 · 2021年10月6日
专知会员服务
32+阅读 · 2021年9月29日
专知会员服务
22+阅读 · 2021年9月23日
 图像内容自动描述技术综述
专知会员服务
85+阅读 · 2019年11月17日
相关资讯
医学图像数据读取及预处理方法总结
极市平台
22+阅读 · 2022年1月4日
21个深度学习开源数据集分类汇总
极市平台
0+阅读 · 2021年12月29日
周礼栋:用长期主义,回归科学研究的本质
微软研究院AI头条
0+阅读 · 2021年9月14日
人脸专集2 | 人脸关键点检测汇总(文末有相关文章链接)
计算机视觉战队
25+阅读 · 2019年4月4日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
图像检索研究进展:浅层、深层特征及特征融合
机器学习研究会
65+阅读 · 2018年3月26日
基于图片内容的深度学习图片检索(一)
七月在线实验室
20+阅读 · 2017年10月1日
干货|全景视频拼接的关键技术分析
全球人工智能
13+阅读 · 2017年7月15日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员