论文部分内容阅读
面部麻痹(面瘫)是一种常见的临床疾病,据统计每10万人中就有20至25名患者。此疾病通常由神经损伤导致,如早期没到得到正确的治疗,可能会留下严重的后遗症。如有一种能有效地客观定量评价患者面部麻痹程度的方法,对治疗是非常有帮助的。针对这种需求,本文应用面部表情数据提取更精确特征信息,为医生更客观地鉴别面瘫患者的面瘫程度提供指导,主要研究成果如下:(1)针对传统研究方法对静态图像因定位、光照、阴影和本身造成不对称性的弊端,基于图像的内容一方面提出了基于LBP和Gabor滤波器相结合的方法(LBP+Gabor)提取不对称特征和运动特征。利用LBP旋转不变性和灰度不变性的优点去除光照影响;再利用Gabor滤波器减少LBP处理后图像中的噪声和冗余信息。另一方面,针对Gabor滤波器中通带的不均匀,提出了基于CMF(Concentric Modulation Filter)方法的特征提取,并将LBP和CMF结合(LBP+CMF)。由于CMF的通带对所有方向都是相同的,能提取更精确的特征。实验表明,LBP+Gabor和LBP+CMF方法相对于传统方法具有较好的有效性和实用性。(2)静态图像中的不相关区域(如嘴巴里的牙齿、阴影和嘴角的痣)影响了特征提取的精确度。为了解决这些问题,本文根据面部数据的数据特征信息,首次提出了应用目标跟踪方法提取时空特征。此方法首先从面部图像第一帧中选取marker,然后在图像序列中追踪marker提取时空特征。本文应用KLT和Mean-Shift两种跟踪方法证明了提取时空特征对鉴别有效性。(3)针对不同患者表情执行的不同步问题,本文对表情的开始时间点和结束时间点进行同步和速度归一化。多类数据实验表明,提取时空特征,并进行同步和归一化后,相比基于内容的方法预测面瘫倒的程度正确率更高,对医生具有更好的实用性。同时,本文提出的方法拓展了目标跟踪方法的应用领域,也为研究面瘫程度定量评估提供了新思路。实验结论有助于医生对患者做出合理的病情判断和治疗。