基于內(nèi)容和時空特征的面癱程度定量評價的鑒別研究.pdf

1、面部麻痹（面癱）是一種常見的臨床疾病，據(jù)統(tǒng)計每10萬人中就有20至25名患者。此疾病通常由神經(jīng)損傷導(dǎo)致，如早期沒到得到正確的治療，可能會留下嚴重的后遺癥。如有一種能有效地客觀定量評價患者面部麻痹程度的方法，對治療是非常有幫助的。針對這種需求，本文應(yīng)用面部表情數(shù)據(jù)提取更精確特征信息，為醫(yī)生更客觀地鑒別面癱患者的面癱程度提供指導(dǎo)，主要研究成果如下:
　　(1)針對傳統(tǒng)研究方法對靜態(tài)圖像因定位、光照、陰影和本身造成不對稱性的弊端，基于圖

2、像的內(nèi)容一方面提出了基于LBP和Gabor濾波器相結(jié)合的方法（LBP+Gabor）提取不對稱特征和運動特征。利用LBP旋轉(zhuǎn)不變性和灰度不變性的優(yōu)點去除光照影響;再利用Gabor濾波器減少LBP處理后圖像中的噪聲和冗余信息。另一方面，針對Gabor濾波器中通帶的不均勻，提出了基于CMF(ConcentricModulation Filter)方法的特征提取，并將LBP和CMF結(jié)合(LBP+CMF)。由于CMF的通帶對所有方向都是相同的，能

3、提取更精確的特征。實驗表明，LBP+Gabor和LBP+CMF方法相對于傳統(tǒng)方法具有較好的有效性和實用性。
　　(2)靜態(tài)圖像中的不相關(guān)區(qū)域（如嘴巴里的牙齒、陰影和嘴角的痣）影響了特征提取的精確度。為了解決這些問題，本文根據(jù)面部數(shù)據(jù)的數(shù)據(jù)特征信息，首次提出了應(yīng)用目標跟蹤方法提取時空特征。此方法首先從面部圖像第一幀中選取marker，然后在圖像序列中追蹤marker提取時空特征。本文應(yīng)用KLT和Mean-Shift兩種跟蹤方法證明了