颅骨身份识别是法医学研究的重要课题。针对以往颅骨身份识别研究中颅骨和面貌内在特征表示能力不足的问题，为了充分利用颅骨和面皮模型的有效识别信息、提高颅骨识别能力，提出一种基于视图特征和形状特征融合的颅骨身份识别方法。首先，采用多视图神经网络学习颅骨和面皮的多视图特征，采用基于双谐波距离的LS-MDS算法计算颅骨和面皮的标准形，采用池化融合方法聚合多个特征来减少视图池化阶段的信息丢失；然后，为了解决波核特征对尺度变换敏感的问题，根据特征值归一化思想提取颅骨和面皮的尺度不变波核特征；最后，采用核典型相关分析将视图特征和波核特征进行融合，得到颅骨和面皮的最终特征向量，通过计算颅骨特征向量和面皮特征向量的相关系数实现颅骨的身份识别。实验结果表明，所提方法的识别正确率为95.4%，优于其他对比方法，是一种有效的颅骨身份识别方法。

为了提高颅骨点云模型的配准精度和收敛速度,提出一种基于曲率图的颅骨点云配准方法。首先对颅骨点云提取以特征点为中心并且包含其相邻点的三维形状块,将所有点投影到二维平面上;将投影点量化到二维支撑区域的相应单元中,并将其加权曲率编码为曲率分布图来构造特征点的区域曲率图描述符;然后基于区域曲率图描述符匹配具有相似局部形状的点来建立匹配点对,采用奇异值分解方法计算颅骨点云间的刚体变换关系,实现颅骨粗配准;最后通过引入动态迭代系数对迭代最近点(ICP)算法进行改进,使用改进的ICP算法实现颅骨的细配准。实验结果表明,所提粗配准方法是一种有效的初始配准方法。与ICP算法相比,改进的ICP算法在配准精度和收敛速度上分别提高了约11%和37%,配准耗时降低了约34%。为了验证所提方法的普适性,还采用兔子点云模型进行验证,结果显示改进的ICP算法的配准效果优于ICP算法。

针对文物碎片拼接过程中存在因局部碎片缺失和纹饰几何特征受损导致断裂面特征提取不准确的问题, 本文提出了一种基于SURF特征描述符和杰卡德距离(Jaccard Distance)的文物碎片拼接方法。首先用Canny算子提取碎片边沿轮廓线以及模型表面纹饰线条, 再通过构造多尺度空间来提取断裂面特征点。其次, 针对以往构建特征描述符存在的高冗余和欧氏距离计算存在的高延时问题, 本文提出构造低冗余的SURF特征描述符, 再借助Jaccard距离来进行特征点的相似性比较, 确定碎片最优邻接关系。最后采用ICP方法计算得到刚体变化参数, 实现碎片较准确拼合。实验结果表明: 本文算法运行时间提高了12%~16%,拼接误差不超过0.750 mm。与传统方法相比, 本文方法能有效地减少因碎片模型受损而造成的拼接缝隙过大、渗透等现象, 拼合误差较小, 高效地实现碎片拼接。

颅骨配准是颅面复原过程中的重要步骤之一,颅骨配准的精度直接影响着颅面复原结果的好坏。为了提高颅骨点云模型的配准精度和收敛速度,提出一种基于分层优化策略的颅骨点云配准算法,将配准过程分为粗配准和细配准两个过程,分别采用不同的优化策略进行优化。首先基于点的邻域提取几何特征,从而得到由平均曲率、高斯曲率、法向量夹角和主曲率构成的特征向量;进一步通过距离函数计算特征相似性来建立匹配点对,并采用k-means算法剔除误匹配点对;然后使用四元数法计算颅骨点云间的刚体变换关系,实现颅骨粗配准;最后通过引入k-维(k-d)树和加入几何特征约束对迭代最近点(ICP)算法进行改进,使用改进的ICP算法实现颅骨的精确配准。实验结果表明:粗配准过程采用k-means算法剔除误匹配点对的优化策略和细配准过程加入k-d树与几何特征约束的优化策略都是有效的。与ICP算法相比,本文算法的匹配率和配准精度分别提高了约17%和51%,算法耗时减少了约31%。与其他经典配准算法和改进的ICP算法相比,本文算法的配准效率是最优的。为了验证本文算法的普适性,还采用兵马俑碎片数据进行验证,本文算法也取得了较好的效果和最优的性能。因此,本文算法是一种有效的颅骨点云配准方法。

颅骨配准是颅面复原的重要步骤之一, 其配准精度和效率对复原结果有着重要的影响。为了提高颅骨点云模型的配准精度和效率, 本文提出了一种层次优化的颅骨点云配准方法。将颅骨配准分为粗配准和细配准两个过程。首先对颅骨点云模型进行去噪、简化和归一化等预处理; 然后对颅骨点云模型提取特征点并计算其特征序列, 根据特征序列进行约束寻找初始对应点对, 并采用k-means算法剔除误匹配点, 实现颅骨粗配准; 最后通过加入几何特征约束的改进迭代最近点(ICP)算法实现颅骨细配准, 从而达到颅骨精确配准的目的。本文分别对粗配准、细配准和先粗再细完整配准过程进行实验, 结果表明: 粗配准过程, 与未优化的粗配准算法相比, 本文优化后的粗配准算法的配准精度提高了约35%, 算法耗时增加了约6%; 细配准过程, 与ICP算法相比, 本文改进ICP算法的配准精度和收敛速度分别提高了约20%和43%, 算法耗时减少了约47%; 先粗再细的完整配准过程, 本文算法的配准精度和收敛速度都要优于其他两种方法。证明了本文方法是一种有效的颅骨点云配准算法, 可以实现颅骨点云的精确配准。

在计算机辅助文物虚拟复原过程中,针对现有复原方法匹配精度低、速度慢等问题,提出一种新的基于断裂面特征点匹配的文物碎片重组方法。利用改进的内部形状签名法提取碎片断裂面潜在特征点;计算特征点邻域几何特征的协方差矩阵,从而构建特征描述符;采用对数欧氏黎曼度量方法作为相似性度量准则,通过双向最近邻法获得初始点对集合,再利用典型相关分析法消除误匹配对得到最优匹配集;使用最小二乘法估算刚体变换矩阵将碎片粗对齐,再采用迭代最近点算法实现精确对齐,最终实现碎片重组。实验结果表明,本文算法相对传统算法特征点数量少,描述符简单,且稳健性强,有效提高了碎片重组的效率和准确性。

为解决不完整三维模型修复过程中孔洞形状不规则、现有方法曲面配准精度不高的问题, 提出一种能够有效保持孔洞边界过渡自然并恢复模型表面细节特征的模型修复方法。首先, 追踪所有1-邻域边和1-邻域三角形数量不相等的点来探测模型的孔洞边界。设计一种基于二维网格数量的算法确定不完整模型的匹配候选集, 同时根据双稀疏表示的三角网格顶点位置误差、边平滑误差和正交约束来预测最优匹配模型; 然后, 结合边界顶点的曲率、边界轮廓线折角的余弦值及相邻边界点的线段长度构造能有效表达不完整模型与碎块模型之间对齐关系的特征点描述子; 最后, 使用二阶伞算子来平滑模型的修补边界。实验结果表明, 模型修复时间节省19% ~ 26%, 模型修复误差平均下降35%。该方法打破了当前模型修复方法中修复裂缝大且难以实现模型表面细节的局限性, 可快速有效地实现破损模型的修复。