[醉染正版]正版 颅面形态信息学 周明全 文学 散文 经管 励志 -科学出版社

               店铺公告

 

为保障消费者合理购买需求及公平交易机会，避免因非生活消费目的的购买货囤积商品，抬价转售等违法行为发生，店铺有权对异常订单不发货且不进行赔付。异常订单：包括但不限于相同用户ID批量下单，同一用户（指不同用户ID，存在相同/临近/虚构收货地址，或相同联系号码，收件人，同账户付款人等情形的）批量下单（一次性大于5本），以及其他非消费目的的交易订单。

温馨提示：请务必当着快递员面开箱验货，如发现破损，请立即拍照拒收，如验货有问题请及时联系在线客服处理，（如开箱验货时发现破损，所产生运费由我司承担，一经签收即为货物完好，如果您未开箱验货，一切损失就需要由买家承担，所以请买家一定要仔细验货），

关于退货运费：对于下单后且物流已发货货品在途的状态下，原则上均不接受退货申请，如顾客原因退货需要承担来回运费，如因产品质量问题（非破损问题）可在签收后，联系在线客服。

颅面形态信息学
	曾用价	148.00
	出版社	科学出版社
	版次	1
	出版时间	2016年03月
	开本	16
	作者	周明全 等
	装帧	平脊精装
	页数	324
	字数	391
	ISBN编码	9787030460325

-----
颅面形态信息学是运用信息技术研究面貌和颅骨的生长变化规律、外观形态规律和颅骨面貌之问内在的相互关系而形成的研究领域，是计算机科学与传统的法医人类学、解剖医学、艺术雕塑等学科的交叉学科。本书涵盖了颅面形态信息学研究体系的三大部分，第一部分介绍了研究背景、研究体系与基础方法；第二部分归纳了相关处理技术和应用评价技术；第三部分展示了平台系统与应用范例。本书是作者20年科研和实践经验的成果总结，研究方法涉及计算机图形学、机器学习、概率统计、虚拟现实与可视化等计算机应用新技术的研究成果。
-----
目 录
前 言
第一部分 基础理论
第一章 颅面形态信息学概述1
1.1 颅面形态信息学的研究背景和意义1
1.1.1 颅面形态信息学简介1
1.1.2 颅面形态的认识和进步回顾3
1.1.3 颅面形态信息学研究意义与应用价值8
1.2 颅面形态信息学研究进展9
1.2.1 颅骨与面貌的数据库技术10
1.2.2 计算机辅助颅面重构技术10
1.2.3 颅骨与面貌的表示模型11
1.2.4 面貌真实感处理技术12
1.2.5 颅骨面貌复原评价技术12
1.3 颅面形态信息学体系12
1.3.1 颅面形态信息学知识体系14
1.3.2 颅面形态信息学技术体系14
1.3.3 颅面形态信息学应用体系16
1.4 本书内容结构17
1.5 本章小结18
参考文献18
第二章 颅面复原技术基础21
2.1 颅面复原关键问题21
2.1.1 颅面数据表示21
2.1.2 颅面形态关系获取21
2.1.3 颅面复原方法评价23
2.2 医学图像预处理技术23
2.2.1 图像滤波23
2.2.2 去除噪声25
2.2.3 颅面轮廓提取30
2.3 颅面模型表示与处理32
2.3.1 三维颅面模型表示32
2.3.2 三维颅面模型处理35
2.3.3 三维颅面模型坐标校正43
2.4 颅面复原基本方法44
2.4.1 颅面配准基础44
2.4.2 颅面复原方法47
2.5 本章小结50
参考文献50
第二部分 处理技术
第三章 颅面数据的采集与管理54
3.1 颅面数据采集方法54
3.1.1 传统测量方法55
3.1.2 CT扫描55
3.1.3 激光扫描57
3.1.4 超声波58
3.2 活体颅面CT数据采集规范58
3.2.1 颅面数据采集规范和步骤59
3.2.2 人脸纹理数据采集和处理规范59
3.3 颅面数据库组织59
3.3.1 数据采样要求60
3.3.2 颅骨类型的分类61
3.3.3 知识库的存储内容62
3.3.4 知识的选择与推理65
3.3.5 国内外颅面数据库66
3.4 本章小结67
参考文献67
第四章 颅面数据三维建模方法69
4.1 基于影像数据的建模69
4.1.1 基于Marching Cubes的体素建模69
4.1.2 基于轮廓线的三维重建71
4.2 基于多视深度图像的建模73
4.2.1 深度图像的配准73
4.2.2 深度图像融合80
4.3 三维模型孔洞修补81
4.4 模型光顺处理86
4.4.1 网格模型光顺处理86
4.4.2 点云模型光顺处理88
4.5 本章小结92
参考文献92
第五章 颅面形态测量分析96
5.1 颅骨和人脸的结构96
5.2 颅骨特征点的定义98
5.3 软组织厚度测量及分析100
5.3.1 软组织厚度测量100
5.3.2 软组织厚度分析101
5.4 颅骨和面貌模型测量107
5.5 基于颅骨几何测量项的性别判别114
5.6 本章小结119
参考文献119
第六章 基于知识分析模型的颅面复原121
6.1 基于知识分析的颅面复原流程121
6.2 基于稀疏软组织厚度的颅面复原方法122
6.2.1 软组织厚度特征点定义124
6.2.2 特征点标定125
6.2.3 软组织厚度获取126
6.2.4 软组织厚度与属性规律统计128
6.2.5 颇面复原具体步骤129
6.3 基于稠密软组织厚度的颅面复原方法133
6.3.1 显式的稠密软组织复制方法134
6.3.2 隐式的稠密软组织复制方法135
6.4 本章小结137
参考文献138
第七章 基于统计模型的颅面复原142
7.1 统计形变模型143
7.2 基于最小二乘拟合的颅面统计复原方法145
7.3 基于后验概率最大的颅面统计复原146
7.3.1 建立依赖属性变化的模型146
7.3.2 基于薄板样条TPS变形的统计模型匹配148
7.3.3 基于后验概率最大的颅面统计复原实验结果149
7.4 基于层次化颅面统计模型的复原151
7.4.1 基于全局统计模型的复原151
7.4.2 颅面分区统计模型152
7.4.3 层次化颅面复原模型的融合154
7.4.4 层次化颅面复原的实验结果156
7.5 基于统计回归的颅面复原158
7.5.1 回归建模159
7.5.2 基于回归模型的颅面复原160
7.5.3 统计回归颅面复原实验结果161
7.6 本章小结163
参考文献163
第八章 人脸真实感处理165
8.1 人脸形状编辑165
8.1.1 基于B样条的网格变形式编辑166
8.1.2 基于RBF插值三维网格编辑167
8.1.3 基于刚性胞元的自由变形方法168
8.2 互官替换169
8.2.1 五官分割169
8.2.2 五官替换融合172
8.3 纹理编辑175
8.3.1 人脸纹理图像的生成175
8.3.2 纹理映射176
8.4 头发建模179
8.4.1 头发的交互式造型179
8.4.2 头发的非交互式造型182
8.4.3 头发的光照散射渲染184
8.4.4 头发的阴影渲染185
8.4.5 基于发型约束域的可重用头发模型建模187
8.5 饰物添加191
8.6 本章小结192
参考文献192
第九章 颅面重构的评价方法197
9.1 国内外研究进展197
9.2 基于面貌特征点的相似度评价199
9.2.1 基于面貌特征点的特征提取199
9.2.2 特征向量的相似度计算200
9.2.3 基于欧氏距离的相似度评价结果分析200
9.3 基于面貌轮廓曲线特征的相似度评价202
9.3.1 面貌轮廓曲线202
9.3.2 基于三维面貌轮廓曲线特征的相似度计算204
9.3.3 实验结果分析205
9.4 基于测地距离的相似度评价205
9.4.1 两组顶点集的空问分布关系206
9.4.2 面貌模型中等测地区域的提取207
9.4.3 基于分布矩阵的相似度计算208
9.4.4 基于测地距离的相似度评价结果分析208
9.5 基于照片的重构面貌的相似度评价方法209
9.5.1 人脸识别领域的相关方法210
9.5.2 基于照片的相似度评价算法210
9.5.3 基于特征点质量的相似性度董214
9.5.4 与三维模型的复原评价方法比较218
9.6 本章小结219
参考文献219
第十章 颅像重合222
10.1 颅像重合的原理与发展222
10.1.1 颅像重合的原理222
10.1.2 颅像重合的发展223
10.2 颅像重叠配准226
10.2.1 人像水平偏转指数与俯仰指数226
10.2.2 摄影物距估算方法228
10.2.3 基于单幅图像的人脸三维姿态估计236
10.3 颅像重合判别鉴别246
10.3.1 鉴定指标246
10.3.2 决策方法250
10.3.3 基于尺度空问的轮廓曲线相似性算法251
10.3.4 whole-to-part曲线匹配255
10.4 本章小结259
参考文献260
第三部分 领域应用
第十一章 颅面形态信息处理平台263
11.1 中国人颅面三维数据库263
11.2 基于颅面数据库的自动化颅骨面貌建模平台267
11.3 颅骨面貌复原平台274
11.3.1 基于知识模型的颅面复原原型系统276
11.3.2 基于全局和局部统计模型的颅面复原原型系统277
11.3.3 三维面貌编辑系统280
11.3.4 人脸三维纹理映射系统281
11.4 基于面貌的几何形态相似性认定平台282
11.4.1 颅骨面貌形态相似度评价平台283
11.4.2 三维颅面身份认定原型系统286
11.5 颅面三维模型的测量统计平台292
11.5.1 颅骨面貌测量与统计技术框架293
11.5.2 颅骨面貌测量与统计原型系统295
11.6 奉章小结297
参考文献297
第十二章 颅面形态信息学应用实例299
12.1 颅面形态信息学应用概述299
12.2 颅面形态信息学在考古领域中的应用300
12.2.1 李任的面貌复原300
12.2.2 遗骸的面貌复原303
12.3 颅面形态信息学在刑事侦查中的应用305
12.4 颅面形态信息学在医学中的应用308
12.4.1 缺损颅骨修补308
12.4.2 颅颌面整形手术计划和结果预测平台308
12.5 本章小结311
参考文献311

第一部分 基础理论
第1章 颅面形态信息学概述
面貌是人与人之间识别的最直接依据，颅骨是人类面貌的内在生物特征，其形态决定了人的面部特征和五官的位置与结构。颅面形态研究包含多种方法，涉及多个应用领域。颅面形态信息学(Informatics Craniofacial Morphology)运用信息技术研究数字化的面貌和颅骨的生长变化规律、外观形态规律和颅骨面貌之间内在的相互关系，是对传统颅面形态学的深化和发展。颅骨和面貌复杂的特征结构使得颅面建模和形态分析一直是计算机图形学领域中一个极具挑战性的课题。信息技术的迅速发展，为颅面形态学提供了新的研究方法和实现技术。利用信息技术实现颅面数据采样、建立形态学计算模型、研究颅骨面貌生物特征理论与关键技术，揭示中国人颅面的本质关系，并借此有望解决该领域一系列重要的应用问题。本章主要介绍颅面形态信息学的研究范围、研究背景、研究意义、研究内容体系和技术特点。
1.1 颅面形态信息学的研究背景和意义
1.1.1 颅面形态信息学简介
颅骨(skull)是人体最重要的器官，也是脊椎动物骨骼系统中最复杂的部分。颅骨分脑颅和面颅两部分。脑颅(cranium)呈卵圆形，位于颅的后上部，内有容纳脑的颅腔，起着保护和支持脑的作用。面颅(facial skeleton)为颅的前下部分，包含眼眶、鼻腔、口腔等结构，包含了人体对外交互的感觉、消化和呼吸的重要起始部分，这些“五官”器官构成面部的特征，决定了人的面貌形态。
面貌是指人的容貌、相貌，包括了人的五官和肤色。面貌是人与人之间识别的最直接依据，颅骨是面貌的内在生物特征。颅骨是形成面貌的基础。一个人的长相，头骨的结构形态、大小、起伏等起决定性作用。例如，猿人的头骨就决定了他们的长相与现代人有根本的区别。
根据体质特征的差异，不同种族的人的面貌形态不同，其主要原因，也是其颅骨形态的差异。世界人种大致上分为3大人种，即黄色人种、白色人种（高加索人种）、黑色人种（尼格罗人种）。不同人种在额头的高度、凸起的程度、眉脊（眼眉皮下的骨头）的几何形态和分布高度等都是不一样的，见图1-1。我们中国的大多数民族是属于黄色人种，具有皮肤是淡黄棕色，毛发直而黑，脸宽平、宽额，眼眶较高、鼻骨高度稍低等面骨的重要特点。
图1-1不同种族人的面貌形态
形态学（Morphology）是描述生物的形态和研究其规律性的学科。狭义的形态学主要是研究生物的成年个体的外形和器官构造(解剖学、组织学和器官学)。针对颅骨构成的几何形态复杂性，构成面貌的多样性，提出了颅面形态研究的领域，即颅面形态学（Craniofacial Morphology）。
颅面形态信息学是颅面形态学+信息技术。通过颅面的精细数字化方法、复杂三维数据结构和特征提取方法，以形成颅面的数据信息系统；从而借助信息技术的系统分析方法、人工智能的机器学习、离散群的统计分析方法得到颅面的特征和内部规律；运用图形学的三维建模造型技术、真实感输出显示技术、虚拟现实技术、增量制造的实体3D打印技术和其他技术方法，真实地展示颅面的原有形态。这些方法既有传统的数值计算，也有近年来的热点技术，这一借助发展中的信息技术研究颅面形态的方法，我们称之为颅面形态信息学。
1.1.2 颅面形态的认识和进步回顾
人类对颅骨的认识、研究和手术改变已有数千年的历史。
1.人类对颅骨面貌的认识
通过非自然的方法改变颅骨的形态是人类对自然和自身的探索，是出于健康或某种信仰追求医学和美容的需要。
颅面手术记载范例：山东省大汶口文化遗址距今约5000多年。2001年考古人员发掘出土遗骸，在整理人骨标本时，发现该颅骨右侧顶骨靠后部有一直径为31mm×25mm的近圆形颅骨缺损，如图1-2所示。经国内专家学者近年来的研究，认定该颅骨的近圆形缺损应系人工开颅手术所致，此缺损边缘的断面呈光滑均匀的圆弧状，应是手术后墓主长期存活，骨组织修复的结果。
图1-2大汶口文化遗址发现的头骨手术存活例证
中国古代五术之一的摸骨术，就是从接触、抚摸一个人的头颅、手骨、身体骨架等等骨相，判断其个性、喜好、能力、专长、格局及未来成就的一种经验预测，这也是古代中国人对头骨的一种思考的总结。将婴幼儿枕头用硬的材料使孩子头型变的扁平以突出脸框的做法，在我国中原西北一带流传至今，目的是为改变颅骨形态达到臆想中的“美观”。
世界其他民族中也有头骨拉长的记载。如距今约3000年的秘鲁的帕拉卡斯文化时期，古代印第安人靠人工方法将孩子的头骨拉长，以形成长脸的形状，如图1-3所示。古代有改变头形习俗的不仅仅是帕拉卡斯印第安人。尤卡坦半岛上的玛雅人、墨西哥的萨波帖克人和托托纳克人也有这种习俗。公元前5000年苏美尔文化以前的人也有改变头形的做法。非洲苏丹和刚果的一些民族，还有太平洋新赫布里底群岛的瓦努阿图居民，不久前还保留这种风俗。尽管这些民族有时空和文化差异，目的都是千方百计把头拉长以示美。
图1-3古代印第安人靠人工方法将头骨拉长示意图
2.颅骨面貌复原技术的发展
近代的颅骨面貌复原是一种以颅骨为基础，以人体头面部解剖学规律为依据，根据人体头面部软组织及五官的形态特征与颅骨形态特征间的相关关系，在颅骨上，或颅骨的石膏模型上，或颅骨的影像上，用可塑物质(橡皮泥、黏土、塑像蜡等)雕塑或其他方法(颅骨侧面描记、计算机颜面影像等)重建颅骨生前面貌形象的技术。人工颅面复原如图1-4所示。
颅骨面貌复原的设想最早由解剖学家Schaffhasen在1877年提出的，他认为根据颅骨复原其生前面貌是完全可能的。1883年，德国学者Welcker首次对13具男性尸体头面部的软组织厚度进行了测定。
1895年在德国的莱比锡市因扩建圣约翰教堂，由于墓穴密集和棺木损坏，迁坟时许多白骨混在一起，以至无法辨认出哪一具是大音乐家巴赫的遗骸，于是人们便从这些白骨中选出了一件被认为可能是巴赫的颅骨来，交给解剖学教授His，要求他鉴定这颗颅骨是否属于巴赫。His试想在这颗颅骨表面塑上肌肤毛发，看是否能够得到和艺术家在巴赫生前为其所做的肖像相近似的面貌。于是His选出24具男性自杀尸体(考虑到病死尸体会因生前所患疾病的消耗而影响面部软组织的正常厚度，故选用自杀尸体)，在面部定出了15个定位点，并测出了各点的软组织厚度，再将这些厚度数据和那个颅骨交给了雕塑家Seffner，并在事先未说明颅骨可能属于谁的情况下要求Seffner用这些软组织厚度数据在颅骨上进行雕塑，结果得到了一个和巴赫的生前肖像非常相似的塑像，如图1-5所示。这是世界上第一次尝试用科学的方法复原颅骨的生前面貌。以后，又有Kollman和Buchly、Birkner、Fischer、vonEggeling、Stadnuller、铃木尚、Fepacnmob等学者对不同种族的颅骨面貌复原进行了研究，研究方法也逐渐成熟，从单纯研究软组织厚度发展到研究五官形态和软组织形态之间的相关关系。
图1-5巴赫遗骨复原范例
中国人的颅骨面貌复原是1939年由苏联学者格拉西莫夫首次进行的，他制作了一男一女两个古代人的塑像，被认为是夸大了其原始特性。第二次是美国学者魏敦瑞及其助手斯旺夫人制作的猿人头骨复原，发表于1943年。第三次是20世纪50年代中国学者吴汝康、吴新智和王存义制作的，如图1-6所示。
1916年由美国纽约警察局首次将颅骨面貌复原用于犯罪侦查。1925年，日本警方在侦破著名的“杉并白骨案”中第一次使用了颅骨面貌复原技术。在苏联，颅骨面貌复原也在1939年被用于刑事侦查工作。1971年的“九·一三”事件发生后，林彪专机在蒙古出事，最先赶到现场的苏联克格勃专家把疑似林彪、叶群的头颅处理后带回莫斯科。随后，苏联宣布林彪、叶群在事故中死亡。克格勃是如何证实的？近年来公开的资料证明，对林彪、叶群的鉴定，也采用了基于颅骨的面貌复原技术和将颅骨与照片重合比照的颅像重合技术。在我国，颅骨面貌复原在20世纪80年代初被用于刑事侦查工作，现已成为侦破无名尸骨案的重要手段。下面是公安部物证鉴定中心实际完成的中原许昌县一件案例。犯罪分子为了谋财害命，将被害者杀害后碎尸百块。公安部门发现受害者遗骸后，经物证中心专家三维雕塑复原，如图1-7所示，在社会大众和科技手段支持下很快破案，将犯罪分子绳之以法。
图1-7三维面貌复原照片和本人照片
3.传统颅骨面貌复原瓶颈
1895年，德国人对大音乐家巴赫遗骨的复原开辟了颅骨面貌复原应用领域。传统的面貌形态学研究和应用是人们在待定颅骨的基础上，借助解剖测量和针刺测量途径而获得对人脸和颅骨的测量数据，确定人脸软组织的厚度规律，由艺术家雕塑而成。用雕塑法进行三维面貌复原，缺点是采集的颅面样本量小、手工制作速度慢、效率低，且有主观误差。传统的复原研究属于人类学、艺术和医学的交叉领域，较依赖复原者个人对颅面特征和艺术的把握，其复原周期长，结果受主观因素影响较大，造价高、操作复杂、手工计算误差大，并不具备科学推广的价值。人工颅面复原如图1-8所示。
4．计算机辅助的颅面复原技术发展
近年来，随着现代科技发展及学科间的交叉渗透，特别是20世纪90年代前后CT、核磁共振扫描应用于临床医学，获取医学数据的能力空前进步，使获得

1