顱顏患者手術前後之特徵點比對系統(tǒng)

1、顱顏患者手術前後之特徵點比對系統(tǒng),姓名：馬嘉宏指導教授：萬書言教授,2,大綱,研究背景研究動機研究目的文獻探討研究方法時程表參考文獻,3,序論,背景目前大都以其他病患術前術後的影像，讓患者以肉眼來進行比對，且靠想像進行模擬。由於缺少手術前後的統(tǒng)計數(shù)據(jù)，因此無法針對個人預估術後的情形。相同影像放大縮小，對於影像比對而言，仍是重點。(醫(yī)生的實際經(jīng)驗),4,,傳統(tǒng)影像比對 – 像素(pixel)比對針對整張影像進行比

2、對缺點所需的計算量大效率不高傳統(tǒng)影像比對標準 – 歐氏距離針對點與點之間的距離進行比較缺點影像縮放時，所得出的結果會不同。須先進行影像比例校對的動作。,5,,,6,,為什麼選用特徵點？人類在辨識物體時，都是靠特徵點來判斷的。人與人見面時，所靠的就是特徵點的組合。許久未見的朋友、家人，即使變胖變瘦，見面時仍能一眼認出。為何會有似曾相似的感覺。為何會有大眾臉。特徵點不變，感覺不變；特徵點改變，感覺改變。因此選用

3、特徵點是最能表達人類感覺的特性，且所選特徵點越多越能代表物體，則效果越好。,7,,人臉常用特徵點,8,,動機對於顱顏有缺陷或欲進行整形的患者而言，進行手術前，如能大概了解手術後的模樣，能增加患者的手術意願與信心。為了未來能夠預測手術後的情形，統(tǒng)計手術前後的差異是必要的。訂定適合的比對標準，能夠提高比對的效果。進而提高預測的準確率。,9,,使用傳統(tǒng)方式進行比對，對於結果難以量化。因此本論文將發(fā)展不受影像比例影響，且量化簡單的方法來進

4、行手術前後的比較。為了減少人為的影響，在特徵點的擷取部份，採用自動的方式。,10,,目的實做一套利用特徵點來進行影像比對的系統(tǒng)。本論文針對特徵的相對位置來進行量化，進而能夠提供日後在手術模擬上有力的數(shù)據(jù)。主要步驟：五官定位特徵自動擷取特徵點比對。,11,文獻探討,人臉偵測在人臉偵測部份，有三種方式。色彩分析(Color Analysis)在吳瑞珍的論文中提到，由 RGB轉換至其他色彩空間，利用其特性來進行分析。對

5、轉換後的影像，經(jīng)由實驗數(shù)據(jù)的統(tǒng)計之後，確定人臉判斷的閥值，以此將背景與膚色分開。優(yōu)點：排除亮度的干擾，可增加判斷的準確率。缺點：不同人種，必須有不同的判斷標準。,12,,類神經(jīng)網(wǎng)路(Neural Network)在Raphael Feraud的論文中，提到利用Neural Network來進行人臉的偵測。Neural Network必須要先經(jīng)由大量的已知資料，來進行網(wǎng)路的訓練，使得網(wǎng)路的輸出能越接近所需。優(yōu)點：即使不同人種亦能

6、夠有良好的效果。缺點：需有大量的資料進行訓練，若進行訓練的資料不良，則網(wǎng)路效果會打折扣。,13,,進化演繹法(Evolutionary Computation)在吳明衛(wèi)的論文中，是先將皮膚與邊緣偵測出來後，再運用進化演繹法來進行人臉偵測。利用橢圓的中心位置、長軸半徑、短軸半徑及旋轉角度作為參數(shù)，進行突變(Mutate)與交配(Crossover)來偵測出人臉。優(yōu)點：可以判斷不同人種，且不受亮度影響。缺點：需要大量的資料，進行演

7、化。,14,,五官定位吳瑞珍在論文中提出，利用臉上五官與膚色不一樣，因此將非膚色的部份取出，再經(jīng)由判斷的規(guī)則，即可定位出眼睛位置。嘴巴定位則是藉由嘴唇相對於周遭膚色而言比較紅，因此採用色彩來定位嘴唇位置。眉毛與鼻子則是經(jīng)由與眼睛嘴巴的相對位置來進行定位。吳明衛(wèi)提出的方法，則是以統(tǒng)計學的觀點，來進行五官的相對位置的定位。,15,,特徵擷取吳瑞珍論文提出利用已經(jīng)定位的五官，對局部影像做處理。分別對五官進行不同形式的特徵擷取。優(yōu)點

8、：針對五官不同的特性進行擷取，在方法上具有較大的靈活度。吳明衛(wèi)所提出的方法，是利用統(tǒng)計學與色度的方式將眼睛的特徵點取出，再根據(jù)眼睛的特徵點進行其他五官的特徵擷取。缺點：由於是依相對關係進行擷取，因此若一個特徵點錯誤，可能會影響到其他特徵點的擷取。,16,研究方法,17,,先將二維的影像，由RGB色彩空間，轉換為YCrCb色彩空間。並利用實驗後的數(shù)據(jù)，定出膚色可能的範圍，成為判斷的閥值。,18,,用型態(tài)學的方法，將部份的雜訊去除，接

9、著計算膚色密度，便可定出人臉範圍。接著進行五官的定位與特徵擷取，使用吳瑞珍、吳明衛(wèi)論文中所提出的方法。讓使用者決定是否要增減自動產(chǎn)生的特徵點。,19,,讓使用者選取他所感興趣的區(qū)域，針對該區(qū)域來進行比對。在比較的標準方面，則是採用特徵點與特徵點間，距離與角度的關係。,20,,先將取出的特徵點依序標號，並計算出線與線間的角度，與五官之間的距離。因角度不會隨著影像的放大縮小而有所改變，因此選用角度作為比較的標準，不會受到影像大小的影

10、響。,21,,,22,,比較五官之間的距離，則是因為人的五官比例，並不會有明顯的改變。若比例相差過大，則有可能是動過重大手術，或根本是不同的人。將兩張影像所得出的結果進行比較，若比較結果相差一定程度以內(nèi)，則忽略不記，否則就將相差程度輸出。,23,,三維影像，則是利用網(wǎng)格模型來進行比較。先由使用者輸入特徵點，計算特徵點的範圍內(nèi)，網(wǎng)格數(shù)量的多寡，數(shù)量越多則曲度越大。比較兩張影像，相對特徵點間的曲度，相差程度則以顏色表示。,24,

11、時程表,,25,參考資料,[1] 吳瑞珍 ”人臉特徵自動抽取之演算法設計與應用,” 元智大學電機工程研究所碩士論文,2002年6月。[2] 吳明衛(wèi) ”Automatic Facial Expression Analysis System,” 成功大學電機工程研究所碩士論文,2003年6月。[3] 鐘仁厚 ”基於模糊邏輯之臉部表情辨識,” 中央大學電機工程研究所碩士論文,2008年7月。[4] Raphael Feraud “A F