Trong chương này, chúng tôi đã mô tả thuật toán dựng mô hình ba chiều của sọ từ ảnh hai chiều của sọ. Thuật toánđược mở rộng từviệc dựng mô hình ba chiều khuôn mặt từ ảnh. Phương pháp dựng mô hình ba chiều của sọ từ ảnh khả thi và chi phí không đáng kể so với việc dùng dữ liệu sọ quét ba chiều. Trong cách tiếp cận của mình, chúng tôi tiến hànhđánh giá lỗi trượt khi trích chọnđặc trưng tự động trênảnh đầu vào, đánh giá ảnh hưởng của lỗi trượt đến độ chính xác của mô hình ba chiều củasọ kết quả. Từ đó, chúng tôi đưa ra được giải pháp hạn chế sự ảnh hưởng này nhằm nâng caođộchính xác của mô hình ba chiều của sọ đầu ra. Thửnghiệmđưa ra minh chứng những phân tích và giải pháp nêu ra là hợp lý. Sau khi điều chỉnh, lỗi trung bình và lỗi lớn nhất giảmđi từ13%đến 36% khi so sánhđiểm đặc trưng sọ ba chiều với dữliệu sọquét.
CHƯƠNG 4. DỰNG MÔ HÌNH BA CHIỀU KHUÔN MẶT TỪ MÔ HÌNH BA CHIỀU CỦA SỌ
Dựng mặt người ba chiều từ sọ được phân loại thành hai cách tiếp cận chính: chồng khít và phục dựng.Đối với cách tiếp cận chồng khít, dữliệuđầu vào ngoài hộp sọcòn có ảnh hay video của khuôn mặt. Người ta thực hiện việc xếp chồng ảnh hay video của khuôn mặt lên hộp sọ. Tuy nhiên, không phải lúc nào chúng ta cũng cóảnh hay video khuôn mặt đểchồng khớp với hộp sọ. Với cách tiếp cận phục dựng, đầu vào chỉ có hộp sọvà cần dựng lại khuôn mặt tươngứng với hộp sọ.Đểphục dựng lại khuôn mặt, người ta có thể dựa trên giải phẫu bằng việc đắp thêm lớp sụn, lớp mô, lớp cơ, lớp da đểcó khuôn mặt hoàn thiện; hoặc dựa trênđộ dày mô mềm bằng cách phủlớp da của khuôn mặt lên hộp sọsao cho lớp da khít với độ dày mô mềmở một sốvị trí biết trướcđểtạo nên diện mạo khuôn mặt. Lớp da của khuôn mặt là một mặt mẫu cho trước. Dựng mặt người từ sọ dựa trên độ dày mô mềm thu hútđược nhiều sựquan tâm, bởi vì, độdày mô mềm có thể thống kê được. Máy tính dễ dàng được tận dụng trongđođạc, thống kê số liệu sọ, mặt và mô mềm. Mặt khác, phương pháp này khôngđòi hỏi kiến thức giải phẫu sinh học sâu rộng nhưphương pháp giải phẫu.
Trong các hệ thống dựng mô hình ba chiều khuôn mặt từ mô hình ba chiều của sọdùng phương pháp độdày mô mềm trướcđây [7,36,50,69,83], độdày mô mềm dựađược tính trung bình trên cơsởdữliệuđộ dày mô mềm của một nhóm người nào đó. Số lượng mô mềm hạn chế vì phụ thuộc cơ sở dữ liệu. Các mô hình ba chiều khuôn mặt dựng lại còn mang dấuấn của nhóm người và độ chính xác chưa cao. Ví dụ, mô hình ba chiều khuôn mặt trong Archer[7] rộng mặt và dạng mũi chưa chính xác. Trong [50, 69], tác giả chưa khai thác thông tin nhân trắc, do vậy, các mô hình ba chiều khuôn mặt được xây dựng lại hầu như không khác nhau. Trong [83], mô hình ba chiều khuôn mặt không hoàn thiện vì thiếu thông tinđộ dày mô mềmở đỉnh đầu.
Trong chương này, chúng tôi đưa ra thuật toán mới dựng mô hình ba chiều khuôn mặt từ mô hình ba chiều của sọ. Thuật toán là sự kết hợp giữa việc xácđịnh độ dày mô mềm từcác số đo sọ thay vì dùng độdày mô mềm trung bình, nội suyđộ dày mô mềmở những vịtrí không có dữliệu mô mềm thống kê và biếnđổi mặt mẫu dùng mạng RBF. Việcước lượngđộ dày mô mềm từchính các số đo trên sọkhai thác thông tin của chính hộp sọcần xây dựng lại khuôn mặtđểtạo dấuấn cá nhân trên mặt dựng lại. Biếnđổi mô hình ba chiều khuôn mặt mẫu dùng mạng RBF vàđộ dày mô mềm nội suy nhằm nâng caođộ chính xác của mô hình ba chiều khuôn mặt kết quả. Những vùng có ít dữ liệuđộ dày mô mềm nhưmá, trán, cằmđược tăng cường thêm mô mềm nênđộchính xác tăng lên.
Chương nàyđược tổchức nhưsau. Những nghiên cứu liên quanđược trình bày trong Phần4.1. Chúng tôi giới thiệu thuật toán dựng mô hình ba chiều khuôn mặt từ mô hình ba chiều của sọ dựa trên độ dày mô mềm trong Phần 4.2. Cuối cùng, thử nghiệm vàđánh giáđược nêu raởPhần4.3.
4.1 Những nghiên cứu liên quan