申请/专利权人：西北大学

申请日：2020-09-30

公开（公告）日：2023-08-18

公开（公告）号：CN112288645B

主分类号：G06T5/00

分类号：G06T5/00;G06T7/13;G06T17/00;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2023.08.18#授权;2021.02.23#实质审查的生效;2021.01.29#公开

摘要：本发明公开了颅骨面貌复原模型构建方法及复原方法。模型构建方法包括构建样本数据集，所述样本训练集包括多个颅骨样本和各颅骨样本的面皮样本，所述多个颅骨样本和其面皮经过坐标归一化和尺度归一化处理；所述颅骨样本和面皮样本为二维数据；利用样本训练集对初始生成对抗网络进行训练，所述初始生成对抗网络包括生成器和判别器，所述生成器为改进的U‑Net网络，所述判别器为PatchGAN网络。所公开的复原方法是利用构建的模型对未知颅骨进行面貌复原。本发明操作方便，克服了传统方法对颅面非线性形变表示不足的缺点；克服了传统方法依赖模板选择的缺点；克服了现有方法对面皮纹理，形状表示不足的缺点。

主权项：1.一种颅骨面貌复原模型构建方法，其特征在于，方法包括：构建样本数据集，所述样本训练集包括多个颅骨样本和各颅骨样本的面皮样本，所述多个颅骨样本和其面皮经过坐标归一化和尺度归一化处理；所述颅骨样本和面皮样本为二维数据；利用样本训练集对初始生成对抗网络进行训练，所述初始生成对抗网络包括生成器和判别器，所述生成器为改进的U-Net网络，所述判别器为PatchGAN网络；所述的改进的U-Net网络包括输入层、卷积层、下采样层、跳跃连接层、反卷积层、调整层、上采样、基于注意力学习的特征连接层和输出层；所述生成对抗网络的总损失函数为： LCG＝E||y-Gx||ROI4LFG＝||PD3-PD2||5其中：G为生成器，D为判别器，G*为最终生成的复原面貌，x代表面皮样本数据，y代表颅骨样本数据，Gx为生成器输出的中间复原图片，λ1，λ2，λ3为权重值，为重建损失函数，LCG为特定条件下的重构损失函数，LFG为特征匹配损失函数；ROI为感兴趣区域；E表示算术平均值，PD2为判别器倒数个第二卷积层的输出PD3为最后一个卷积层的输出。

全文数据：

权利要求：

百度查询： 西北大学 一种颅骨面貌复原模型构建方法及复原方法与系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD