牙齿修复体比色算法的研究与实现

摘要

牙体缺损、牙列缺损及牙列缺失是人类的常见病、多发病。随着新材料和新技术的不断发展，人们对牙齿修复体的要求已经不仅仅局限在形状和质量上，更要求修复体的颜色与天然牙的颜色达到完美匹配，使修复体在视觉上更逼真。在我国，医生主要采用视觉比色法比色，由于医生的视觉疲劳和比色技师个人主观因素和其他因素的影响，比色结果很难令患者满意。而计算机比色(Computer Colormatching, CCM)消除了人为因素的影响，提高了比色的准确率和效率。以往的研究中牙齿比色主要运用了中心域、九分法等，取得了一定的成果，但是每次只能为一颗牙齿比色，比色效率和准确率较低。本文把模式识别技术应用到牙齿比色领域，实现了牙齿颜色自动识别任务，提高了牙齿比色的准确率和效率。本文主要完成了以下工作：
　　 第一，建立了实验所用的牙齿模型数据库。通过对彩色图像的颜色空间、牙齿颜色特征、Vita16比色板和光源性质的深入学习，选定自然光为光源，德国生产的Vita16比色板（16个比色片）为研究对象，均匀的蓝色为背景，在特定时间、特定周围环境下用索尼数码相机对比色板的16个比色片平行拍照采样，建立了牙齿模型数据库。
　　 第二，完成了牙齿目标图像的自动定位和分割。首先将图像由RGB颜色空间转换到HSV颜色空间，其次对色度图像进行二值化和膨胀运算处理，最后通过投影法确定目标图像在原始图像中的位置，把目标图像分割出来。
　　 第三，采用主成分分析算法对目标图像进行特征提取。针对目标图像信息较大的特点，本文采用PCA和2D PCA算法完成了对高维牙齿图像的降维，得到的主成分特征作为分类器输入参数进行分类处理。
　　 第四，设计牙齿比色分类器。设计了K-近邻(KNN)、支持向量机(SVM)和概率神经网络(PNN)多类分类器，分别选取不同的分类器和分类参数进行实验，对实验结果进行了评估分析。本文使用三种分类器，SVM分类器的识别率为97.59％,PNN识别率为95.625％, KNN识别率为94.37％，识别效果良好。
　　 实验结果表明，本文工作为计算机辅助牙齿比色的研究提供了很好的支撑。

目录

文摘

英文文摘

第1章 绪论

1.1 课题来源及研究的目的和意义

1.2 国内外计算机辅助牙齿修复的发展现状

1.2.1 口腔修复仪器的发展现状

1.2.2 现有比色算法简介

1.3 本文研究内容

第2章 牙齿模型数据库的建立

2.1 牙齿颜色特征的研究

2.1.1 彩色图像的颜色空间

2.1.2 牙齿的颜色特征

2.2 Vita比色板概述

2.3 牙齿样本的采集

2.4 本章小结

第3章 牙齿目标图像的自动定位与分割

3.1 将RGB图像转化为HSV图像

3.2 图像二值化和数学形态学处理

3.2.1 色度图像二值化

3.2.2 数学形态学处理

3.3 基于投影法的牙齿目标图像自动定位和分割

3.4 分割结果及数据库评价

3.5 本章小结

第4章 基于主成分分析算法的特征提取

4.1 模式识别中的特征选择与特征提取

4.2 基于PCA的牙齿目标图像的特征提取

4.2.1 主成分分析概论

4.2.2 主成分分析的基本原理

4.2.3 PCA应用于牙齿目标图像的特征提取

4.3 基于2D PCA的牙齿目标图像的特征提取

4.3.1 2D PCA的基本原理

4.3.2 基于2D PCA的牙齿目标图像的特征提取

4.4 本章小结

第5章 牙齿比色分类器的设计与实现

5.1 基于K-近邻牙齿比色

5.1.1 K-近邻法

5.1.2 基于K-近邻法牙齿比色分类器设计与实现

5.1.3 实验结果与分析

5.2 基于支持向量机牙齿比色

5.2.1 支持向量机(SVM)

5.2.2 多类SVM牙齿比色分类器设计与实现

5.2.3 实验结果与分析

5.3 基于概率神经网络牙齿比色

5.3.1 概率神经网络的结构及基本原理

5.3.2 基于概率神经网络牙齿比色

5.3.3 实验结果与分析

5.4 三种分类器牙齿比色结果对比分析

5.5 基于留—法交叉验证的牙齿比色实验与分析

5.6 本章小结

第6章 总结与展望

6.1 本论文主要工作成果

6.2 研究工作展望

参考文献

致谢

攻读硕士期间发表的论文