一种基于近红外光谱成像的头部模型构建方法及系统与流程

1.本发明涉及数据处理技术领域，尤其涉及一种基于近红外光谱成像的头部模型构建方法及系统。


背景技术：

2.随着社会的进步和发展，人们对于自身健康的追求也越来越大。在需求增大和技术发展的双向推动下，越来越多的医疗器械被研发并投入使用；其中，针对头部脑部研究的医疗器械的需求越来越大。
3.脑电图(eeg)帽，一种用于eeg活动的eeg研究的医疗器械。通过将电极固定在头部，帽子设计可以包括头盔、框架、网格和柔软的弹性帽拥抱头部。在实际应用中，需要根据不同的研究类型和患者需求，设计出不同形状和尺寸的帽子，例如：成人、儿童和新生儿，由于其发育程度不同，都需要根据头骨发育情况首先采集头部数据，再设计出对应的头部模型，最后制作成合适的帽子。然而，目前现有技术在采集头部数据设计出对应头部模型的过程中，往往是通过摄像头或红外扫描器对头部数据进行采集，但局限于摄像头的像素和细节分辨能力，无法对细小的头骨变化差异进行精准采集；通过现有技术采集到的头部数据往往都是不可靠的，无法贴合用户的实际需求。
4.近红外光谱是 90年代以来发展最快、 最引人注目的光谱分析技术, 是光谱测量技术与化学计量学学科的有机结合。光谱成像技术可把物质光谱划分至几十至几百波段，实现对目标精细谱特征的辨识能力具有巨大提升。目前现有技术中没有利用近红外光谱成像技术设计头部模型，最后制作成精准的帽子的相关技术研究。因此，如何通过近红外光谱成像来构建精准的头部模型，是我们目前亟需解决的一道技术难题。


技术实现要素：

5.本发明提供了一种基于近红外光谱成像的头部模型构建方法及系统，能够获取精准的人物头部数据，从而构建精准的头部模型。
6.为了解决上述技术问题，本发明实施例提供了一种基于近红外光谱成像的头部模型构建方法，包括：获取目标人物头部的近红外光谱数据，在所述近红外光谱数据中对光谱波长为1000-1100nm对应的近红外光谱数据进行提取，得到第一光谱数据，以及对光谱波长为1800-2200nm对应的近红外光谱数据进行提取，得到第二光谱数据；分别根据所述第一光谱数据和所述第二光谱数据生成所述目标人物头部的第一头部立体图像和第二头部立体图像；对所述第一头部立体图像中的面颅骨区域进行提取，得到面颅骨光谱图像；以及对所述第二头部立体图像中的脑颅骨区域进行提取，得到脑颅骨光谱图像；根据所述面颅骨区域和所述脑颅骨区域在目标人物头部的空间距离，确定所述面颅骨区域和所述脑颅骨区域之间的位置基准数据；
根据所述位置基准数据，以所述面颅骨光谱图像为底层，以所述脑颅骨光谱图像为顶层，对所述面颅骨光谱图像和所述脑颅骨光谱图像进行融合，得到目标人物头部图像；根据所述目标人物头部图像，提取出所述目标人物头部的三维立体数据，并根据所述三维立体数据建立目标人物头部模型。
7.作为优选方案，所述分别根据所述第一光谱数据和所述第二光谱数据生成所述目标人物头部的第一头部立体图像和第二头部立体图像的步骤中，具体包括：根据所述第一光谱数据生成所述目标人物头部的第一初始图像，并对所述第一初始图像中目标人物头部的眼眶区域、鼻腔区域和口腔区域进行识别并进行特征放大处理，得到第一头部立体图像；根据所述第二光谱数据生成所述目标人物头部的第二初始图像，并对所述第二初始图像中目标人物头部的后脑区域进行识别并进行特征增强处理，得到第二头部立体图像。
8.作为优选方案，所述进行特征放大处理的过程，具体为：对所述第一初始图像中的眼眶区域、鼻腔区域和口腔区域进行网格化处理，并对每一个网格进行标记；通过双立方插值算法对所述第一初始图像中的眼眶区域、鼻腔区域和口腔区域进行分辨率放大处理；设定亮度阈值，对所述第一初始图像中除眼眶区域、鼻腔区域和口腔区域以外的其他区域进行降低亮度，得到第一头部立体图像。
9.作为优选方案，所述进行特征增强处理的过程，具体为：在所述第一初始图像进行分辨率放大处理后，根据原标记的网格在进行分辨率放大处理后生成的网格数量，确定放大倍数；根据所述放大倍数，通过最近邻插值算法对所述第二初始图像中的后脑区域进行分辨率放大处理；根据所述亮度阈值，增加所述后脑区域的亮度值，并将所述第二初始图像中除后脑区域以外的其他区域进行降低50%透明度处理，得到第二头部立体图像。
10.作为优选方案，对所述第一头部立体图像中的面颅骨区域进行提取，得到面颅骨光谱图像的步骤中，具体包括：对所述第一头部立体图像中的颅骨特征进行识别，提取上颌骨、鼻骨、泪骨、颧骨、下鼻甲骨、犁状骨和下颌骨区域；将所述上颌骨和下颌骨之间的区域进行二次提取，形成口腔区域；以及，将所述泪骨和颧骨之间的区域进行二次提取，形成眼眶区域；以及，将所述鼻骨、下鼻甲骨和犁状骨之间的区域进行二次提取，形成鼻腔区域；将所述口腔区域、眼眶区域和鼻腔区域所对应的区域图像进行提取，形成面颅骨光谱图像。
11.对所述第二头部立体图像中的脑颅骨区域进行提取，得到脑颅骨光谱图像的步骤中，具体包括：对所述第二头部立体图像中的颅骨特征进行识别，提取额骨、顶骨、颞骨、筛骨、蝶骨和枕骨区域；将所述额骨、顶骨和颞骨之间的区域进行二次提取，形成颅盖骨区域；以及，将所述筛骨、蝶骨和枕骨之间的区域进行二次提取，形成颅底骨区域；将所述颅盖骨区域和颅底骨区域所对应的区域图像进行提取，形成脑颅骨光谱图像。
12.作为优选方案，所述根据所述面颅骨区域和所述脑颅骨区域在目标人物头部的空间距离，确定所述面颅骨区域和所述脑颅骨区域之间的位置基准数据的步骤中，具体包括：
在所述第一头部立体图像和所述第二头部立体图像中分别建立三维空间坐标系；确定面颅骨区域的上颌骨、鼻骨、泪骨、颧骨、下鼻甲骨、犁状骨和下颌骨在三维空间坐标系中的坐标位置，并计算两两之间的空间距离，形成第一距离序列；确定脑颅骨区域的额骨、顶骨、颞骨、筛骨、蝶骨和枕骨在三维空间坐标系中的坐标位置，并计算两两之间的空间距离，形成第二距离序列；根据所述第一距离序列和所述第二距离序列，确定所述面颅骨区域和所述脑颅骨区域在不同位置上的空间距离，得到位置基准数据。
13.作为优选方案，所述根据所述位置基准数据，以所述面颅骨光谱图像为底层，以所述脑颅骨光谱图像为顶层，对所述面颅骨光谱图像和所述脑颅骨光谱图像进行融合，得到目标人物头部图像的步骤中，具体包括：根据所述位置基准数据，确定基准位置区域；其中，所述基准位置区域包括上颌骨、鼻骨、泪骨、颧骨、下鼻甲骨、犁状骨或下颌骨中的任意一种或多种；以及包括额骨、顶骨、颞骨、筛骨、蝶骨或枕骨中的任意一种或多种；以所述面颅骨光谱图像为底层，以所述脑颅骨光谱图像为顶层，选择面颅骨光谱图像中的基准位置区域为第一对齐点，同时，选择脑颅骨光谱图像中的基准位置区域为第二对齐点；根据所述第一对齐点和所述第二对齐点，对所述面颅骨光谱图像和所述脑颅骨光谱图像进行对齐后合并，得到目标人物头部图像。
14.作为优选方案，所述根据所述目标人物头部图像，提取出所述目标人物头部的三维立体数据，并根据所述三维立体数据建立目标人物头部模型的步骤中，具体包括：对所述目标人物头部图像的上颌骨、鼻骨、泪骨、颧骨、下鼻甲骨、犁状骨、下颌骨、额骨、顶骨、颞骨、筛骨、蝶骨和枕骨，在三维空间坐标系中的坐标位置进行提取颅骨三维坐标参数；构建初始头部模型，将所述颅骨三维坐标参数输入到所述初始头部模型中，生成目标人物头部模型。
15.相应地，本发明另一实施例还提供了一种基于近红外光谱成像的头部模型构建系统，包括：数据提取模块、图像生成模块、区域提取模块、位置基准模块、图像融合模块和模型建立模块；所述数据提取模块，用于获取目标人物头部的近红外光谱数据，在所述近红外光谱数据中对光谱波长为1000-1100nm对应的近红外光谱数据进行提取，得到第一光谱数据，以及对光谱波长为1800-2200nm对应的近红外光谱数据进行提取，得到第二光谱数据；所述图像生成模块，用于分别根据所述第一光谱数据和所述第二光谱数据生成所述目标人物头部的第一头部立体图像和第二头部立体图像；所述区域提取模块，用于对所述第一头部立体图像中的面颅骨区域进行提取，得到面颅骨光谱图像；以及对所述第二头部立体图像中的脑颅骨区域进行提取，得到脑颅骨光谱图像；所述位置基准模块，用于根据所述面颅骨区域和所述脑颅骨区域在目标人物头部的空间距离，确定所述面颅骨区域和所述脑颅骨区域之间的位置基准数据；所述图像融合模块，用于根据所述位置基准数据，以所述面颅骨光谱图像为底层，
以所述脑颅骨光谱图像为顶层，对所述面颅骨光谱图像和所述脑颅骨光谱图像进行融合，得到目标人物头部图像；所述模型建立模块，用于根据所述目标人物头部图像，提取出所述目标人物头部的三维立体数据，并根据所述三维立体数据建立目标人物头部模型。
16.作为优选方案，所述图像生成模块包括第一生成单元和第二生成单元；所述第一生成单元，用于根据所述第一光谱数据生成所述目标人物头部的第一初始图像，并对所述第一初始图像中目标人物头部的眼眶区域、鼻腔区域和口腔区域进行识别并进行特征放大处理，得到第一头部立体图像；所述第二生成单元，用于根据所述第二光谱数据生成所述目标人物头部的第二初始图像，并对所述第二初始图像中目标人物头部的后脑区域进行识别并进行特征增强处理，得到第二头部立体图像。
17.作为优选方案，所述第一生成单元用于进行特征放大处理的过程，具体为：对所述第一初始图像中的眼眶区域、鼻腔区域和口腔区域进行网格化处理，并对每一个网格进行标记；通过双立方插值算法对所述第一初始图像中的眼眶区域、鼻腔区域和口腔区域进行分辨率放大处理；设定亮度阈值，对所述第一初始图像中除眼眶区域、鼻腔区域和口腔区域以外的其他区域进行降低亮度，得到第一头部立体图像。
18.作为优选方案，所述第二生成单元用于进行特征增强处理的过程，具体为：在所述第一初始图像进行分辨率放大处理后，根据原标记的网格在进行分辨率放大处理后生成的网格数量，确定放大倍数；根据所述放大倍数，通过最近邻插值算法对所述第二初始图像中的后脑区域进行分辨率放大处理；根据所述亮度阈值，增加所述后脑区域的亮度值，并将所述第二初始图像中除后脑区域以外的其他区域进行降低50%透明度处理，得到第二头部立体图像。
19.作为优选方案，所述区域提取模块用于对所述第一头部立体图像中的面颅骨区域进行提取，得到面颅骨光谱图像的步骤中，具体包括：对所述第一头部立体图像中的颅骨特征进行识别，提取上颌骨、鼻骨、泪骨、颧骨、下鼻甲骨、犁状骨和下颌骨区域；将所述上颌骨和下颌骨之间的区域进行二次提取，形成口腔区域；以及，将所述泪骨和颧骨之间的区域进行二次提取，形成眼眶区域；以及，将所述鼻骨、下鼻甲骨和犁状骨之间的区域进行二次提取，形成鼻腔区域；将所述口腔区域、眼眶区域和鼻腔区域所对应的区域图像进行提取，形成面颅骨光谱图像。
20.所述区域提取模块用于对所述第二头部立体图像中的脑颅骨区域进行提取，得到脑颅骨光谱图像的步骤中，具体包括：对所述第二头部立体图像中的颅骨特征进行识别，提取额骨、顶骨、颞骨、筛骨、蝶骨和枕骨区域；将所述额骨、顶骨和颞骨之间的区域进行二次提取，形成颅盖骨区域；以及，将所述筛骨、蝶骨和枕骨之间的区域进行二次提取，形成颅底骨区域；将所述颅盖骨区域和颅底骨区域所对应的区域图像进行提取，形成脑颅骨光谱图像。
21.作为优选方案，所述位置基准模块具体用于：在所述第一头部立体图像和所述第二头部立体图像中分别建立三维空间坐标系；确定面颅骨区域的上颌骨、鼻骨、泪骨、颧骨、下鼻甲骨、犁状骨和下颌骨在三维空间坐标系中的坐标位置，并计算两两之间的空间距离，形成第一距离序列；确定脑颅骨区域的额骨、顶骨、颞骨、筛骨、蝶骨和枕骨在三维空间坐标系中的坐标位置，并计算两两之间的空间距离，形成第二距离序列；根据所述第一距离序列
和所述第二距离序列，确定所述面颅骨区域和所述脑颅骨区域在不同位置上的空间距离，得到位置基准数据。
22.作为优选方案，所述图像融合模块具体用于：根据所述位置基准数据，确定基准位置区域；其中，所述基准位置区域包括上颌骨、鼻骨、泪骨、颧骨、下鼻甲骨、犁状骨或下颌骨中的任意一种或多种；以及包括额骨、顶骨、颞骨、筛骨、蝶骨或枕骨中的任意一种或多种；以所述面颅骨光谱图像为底层，以所述脑颅骨光谱图像为顶层，选择面颅骨光谱图像中的基准位置区域为第一对齐点，同时，选择脑颅骨光谱图像中的基准位置区域为第二对齐点；根据所述第一对齐点和所述第二对齐点，对所述面颅骨光谱图像和所述脑颅骨光谱图像进行对齐后合并，得到目标人物头部图像。
23.作为优选方案，所述模型建立模块具体用于：对所述目标人物头部图像的上颌骨、鼻骨、泪骨、颧骨、下鼻甲骨、犁状骨、下颌骨、额骨、顶骨、颞骨、筛骨、蝶骨和枕骨，在三维空间坐标系中的坐标位置进行提取颅骨三维坐标参数；构建初始头部模型，将所述颅骨三维坐标参数输入到所述初始头部模型中，生成目标人物头部模型。
24.本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如上述任一项所述的基于近红外光谱成像的头部模型构建方法。
25.本发明实施例还提供了一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如上述任一项所述的基于近红外光谱成像的头部模型构建方法。
26.相比于现有技术，本发明实施例具有如下有益效果：本发明技术方案通过提取波长为1000-1100nm的近红外光谱数据作为目标人物头部的面颅骨区域成像数据来源，利用短波波动剧烈的特性可以对人物面颅骨区域中的眼眶区域、鼻腔区域和口腔区域等深壑区域进行精准识别；通过提取波长为1800-2200nm的近红外光谱数据作为目标人物头部的脑颅骨区域成像数据来源，利用长波波动平缓的特性可以对人物脑颅骨区域中的后脑区域等坡度区域进行精准识别，得到精准的人物头部数据；然后对两者数据形成的图像进行融合后，能够构建精准的头部模型。
附图说明
27.图1 ：为本发明实施例提供的一种基于近红外光谱成像的头部模型构建方法的步骤流程图；图 2 ：为本发明实施例中构建的目标人物头部模型示意图；图3 ：为本发明实施例提供的一种基于近红外光谱成像的头部模型构建系统的结构示意图；图4 ：为本发明实施例提供的终端设备的一种实施例的结构示意图。
具体实施方式
28.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他
实施例，都属于本发明保护的范围。
29.实施例一请参照图1，为本发明实施例提供的一种基于近红外光谱成像的头部模型构建方法的步骤流程图，包括步骤101至步骤106，各步骤具体如下：步骤101，获取目标人物头部的近红外光谱数据，在所述近红外光谱数据中对光谱波长为1000-1100nm对应的近红外光谱数据进行提取，得到第一光谱数据，以及对光谱波长为1800-2200nm对应的近红外光谱数据进行提取，得到第二光谱数据。
30.具体地，近红外光谱仪是介于可见光和中红外之间的电磁辐射波，astm材料检测协会将近红外光谱区定义为780-2526nm的区域，是人们在吸收光谱中发现的第一个非可见光区。近红外光谱区与有机分子中含氢基团（o-h、n-h、c-h）振动的合频和各级倍频的吸收区一致，通过扫描样品的近红外光谱，可以得到样品中有机分子含氢基团的特征信息。对任何一台特定的近红外光谱仪器，都有其有效的光谱范围，光谱范围主要取决于仪器的光路设计、检测器的类型以及光源。近红外光谱仪器的波长范围通常分两段，700～1100nm的短波近红外光谱区域和1100～2500nm的长波近红外光谱区域。短波具备波动剧烈，针对深壑区域有着精准识别的特点；而长波具备波动平缓，针对坡度区域有着充分识别的特点。而人类头部由于器官布局情况，前脸有着眼眶区域、鼻腔区域和口腔区域等深壑区域，后脑有着颅盖骨和颅底骨等后脑坡度区域，致使现有技术采用普通的近红外光成像技术无法精准获取人物头部数据。本研究通过大量实验和测试，证实近红外光谱中1000～1100nm的短波可以对人物前脸中眼眶区域、鼻腔区域和口腔区域等深壑区域进行精准数据提取，而1800-2200nm的长波可以对后脑中颅盖骨和颅底骨等后脑坡度区域进行精准数据提取。因此，对1000-1100nm和1800-2200nm两个频段对应的近红外光谱数据进行分别提取，并在后续步骤中分别生成对应的图像后融合，能够实现生成头部精准模型。
31.步骤102，分别根据所述第一光谱数据和所述第二光谱数据生成所述目标人物头部的第一头部立体图像和第二头部立体图像。在本实施例中，所述步骤102具体包括：步骤1021和步骤1022。
32.具体地，根据不同频段的光谱数据生成对应的图像后，由于1000-1100nm和1800-2200nm两个频段之间较为接近，我们需要对两个图像特征进行“放大”来增加特征的显著性。
33.步骤1021，根据所述第一光谱数据生成所述目标人物头部的第一初始图像，并对所述第一初始图像中目标人物头部的眼眶区域、鼻腔区域和口腔区域进行识别并进行特征放大处理，得到第一头部立体图像。其中，在本实施例中，所述步骤1021进行特征放大处理的过程，具体为：对所述第一初始图像中的眼眶区域、鼻腔区域和口腔区域进行网格化处理，并对每一个网格进行标记；通过双立方插值算法对所述第一初始图像中的眼眶区域、鼻腔区域和口腔区域进行分辨率放大处理；设定亮度阈值，对所述第一初始图像中除眼眶区域、鼻腔区域和口腔区域以外的其他区域进行降低亮度，得到第一头部立体图像。
34.具体地，针对眼眶区域、鼻腔区域和口腔区域等深壑区域，我们进行特征放大处理，利用网格化处理对区域图像划分一个个网格，对每一个单独网格进行标记。通过双立方插值算法对每个网格进行放大；其中，双立方插值算法采用的b样条曲线插值，在每个维度上对于连续的4个点进行插值，这样在所有的点之间的斜率都是连续的，不会存在突变；如
果是两维的情况在相邻的正方形之间的斜率也都是连续的，人眼就不会看到明显的马赛克了。而针对眼眶区域、鼻腔区域和口腔区域等深壑区域，需要克服特征点在放大过程中形成的突变问题，所以采用双立方插值算法可以更好地解决这个问题。接着，在进行特征放大之后，还需要对除深壑区域之外的其他区域进行亮度降低处理，以便在后续图像融合中带来更精准的图像。
35.步骤1022，根据所述第二光谱数据生成所述目标人物头部的第二初始图像，并对所述第二初始图像中目标人物头部的后脑区域进行识别并进行特征增强处理，得到第二头部立体图像。其中，在本实施例中，所述步骤1022进行特征增强处理的过程，具体为：在所述第一初始图像进行分辨率放大处理后，根据原标记的网格在进行分辨率放大处理后生成的网格数量，确定放大倍数；根据所述放大倍数，通过最近邻插值算法对所述第二初始图像中的后脑区域进行分辨率放大处理；根据所述亮度阈值，增加所述后脑区域的亮度值，并将所述第二初始图像中除后脑区域以外的其他区域进行降低50%透明度处理，得到第二头部立体图像。
36.具体地，针对后脑区域等坡度区域，由于颅盖骨和颅底骨比较平缓，通过利用最近邻插值算法对后脑区域放大同样的倍数，以便于后续图像融合中的位置对齐。而最近邻插值算法就是通过临近的像素值来替代放大后空白网格，对于后脑区域等坡度区域较为便捷。接着，在降低亮度处理之后，对于后脑区域以外的其他区域进行透明度降低处理，可以增加后脑区域的特征。
37.步骤103，对所述第一头部立体图像中的面颅骨区域进行提取，得到面颅骨光谱图像；以及对所述第二头部立体图像中的脑颅骨区域进行提取，得到脑颅骨光谱图像。在本实施例中，步骤103包括步骤1031和步骤1032。
38.其中，步骤1031对所述第一头部立体图像中的面颅骨区域进行提取，得到面颅骨光谱图像的步骤中，具体包括：对所述第一头部立体图像中的颅骨特征进行识别，提取上颌骨、鼻骨、泪骨、颧骨、下鼻甲骨、犁状骨和下颌骨区域；将所述上颌骨和下颌骨之间的区域进行二次提取，形成口腔区域；以及，将所述泪骨和颧骨之间的区域进行二次提取，形成眼眶区域；以及，将所述鼻骨、下鼻甲骨和犁状骨之间的区域进行二次提取，形成鼻腔区域；将所述口腔区域、眼眶区域和鼻腔区域所对应的区域图像进行提取，形成面颅骨光谱图像。
39.其中，步骤1032对所述第二头部立体图像中的脑颅骨区域进行提取，得到脑颅骨光谱图像的步骤中，具体包括：对所述第二头部立体图像中的颅骨特征进行识别，提取额骨、顶骨、颞骨、筛骨、蝶骨和枕骨区域；将所述额骨、顶骨和颞骨之间的区域进行二次提取，形成颅盖骨区域；以及，将所述筛骨、蝶骨和枕骨之间的区域进行二次提取，形成颅底骨区域；将所述颅盖骨区域和颅底骨区域所对应的区域图像进行提取，形成脑颅骨光谱图像。
40.具体地，头骨是由23块不规则骨组成，包括15块面颅骨和8块脑颅骨。面颅骨围成眼眶、鼻腔和口腔，左右各一，包括上颌骨、鼻骨、泪骨、颧骨、腭骨、下鼻甲骨，犁状骨、下颌骨还有游离的舌状骨。在近红外光谱数据中，为了凸显头部前脸特征，并同时提高数据处理效率，我们对特征点明显的上颌骨、鼻骨、泪骨、颧骨、下鼻甲骨、犁状骨和下颌骨区域进行提取处理。而脑颅骨由颅盖骨和颅底骨组成，颅盖骨包括额骨、顶骨、枕骨、颞骨以及部分的颧骨和蝶骨大翼，通过冠状缝、矢状缝、人字缝和鳞状缝连接在一起；颅底骨包括筛骨、蝶骨以及枕骨，共同围成前颅窝、中颅窝以及后颅窝结构。在近红外光谱数据中，为了凸显头部
后脑特征，并同时提高数据处理效率，我们对特征点明显的额骨、顶骨、颞骨、筛骨、蝶骨和枕骨区域进行提取处理。
41.步骤104，根据所述面颅骨区域和所述脑颅骨区域在目标人物头部的空间距离，确定所述面颅骨区域和所述脑颅骨区域之间的位置基准数据。
42.在本实施例中，所述步骤104具体包括：步骤1041至步骤1044。步骤1041，在所述第一头部立体图像和所述第二头部立体图像中分别建立三维空间坐标系；步骤1042，确定面颅骨区域的上颌骨、鼻骨、泪骨、颧骨、下鼻甲骨、犁状骨和下颌骨在三维空间坐标系中的坐标位置，并计算两两之间的空间距离，形成第一距离序列；步骤1043，确定脑颅骨区域的额骨、顶骨、颞骨、筛骨、蝶骨和枕骨在三维空间坐标系中的坐标位置，并计算两两之间的空间距离，形成第二距离序列；步骤1044，根据所述第一距离序列和所述第二距离序列，确定所述面颅骨区域和所述脑颅骨区域在不同位置上的空间距离，得到位置基准数据。
43.具体地，为了实现后续图像融合，需要率先建立位置基准，通过位置基准来进行融合。首先，面颅骨区域中的头骨特征就要形成序列，利用各类头骨在三维空间坐标系中的分布情况，通过相互之间的空间距离来建立序列，即第一距离序列。然后，对脑颅骨区域中的头骨特征形成序列，即第二距离序列。最后，需要确定第一距离序列和第二距离序列中各个头骨特征之间的空间距离，通过位置基准数据来确定面颅骨区域和脑颅骨区域在目标人物头部的相互位置关系。
44.步骤105，根据所述位置基准数据，以所述面颅骨光谱图像为底层，以所述脑颅骨光谱图像为顶层，对所述面颅骨光谱图像和所述脑颅骨光谱图像进行融合，得到目标人物头部图像。
45.在本实施例中，所述步骤105具体包括：步骤1051至步骤1053。步骤1051，根据所述位置基准数据，确定基准位置区域；其中，所述基准位置区域包括上颌骨、鼻骨、泪骨、颧骨、下鼻甲骨、犁状骨或下颌骨中的任意一种或多种；以及包括额骨、顶骨、颞骨、筛骨、蝶骨或枕骨中的任意一种或多种；步骤1052，以所述面颅骨光谱图像为底层，以所述脑颅骨光谱图像为顶层，选择面颅骨光谱图像中的基准位置区域为第一对齐点，同时，选择脑颅骨光谱图像中的基准位置区域为第二对齐点；步骤1053，根据所述第一对齐点和所述第二对齐点，对所述面颅骨光谱图像和所述脑颅骨光谱图像进行对齐后合并，得到目标人物头部图像。
46.具体地，通过上述步骤104确定了面颅骨区域和脑颅骨区域在目标人物头部的相互位置关系之后，由于面颅骨区域特征明显，脑颅骨区域特征平缓，所以根据面颅骨光谱图像为底层，以脑颅骨光谱图像为顶层实现图像融合。在融合过程中，在面颅骨区域和脑颅骨区域中分别确定一个或多个基准点，然后利用位置基准数据进行对齐后即可完成合并，得到精准的、完整的目标人物头部图像。
47.步骤106，根据所述目标人物头部图像，提取出所述目标人物头部的三维立体数据，并根据所述三维立体数据建立目标人物头部模型。
48.在本实施例中，所述步骤106具体包括：步骤1061和步骤1062。步骤1061，对所述目标人物头部图像的上颌骨、鼻骨、泪骨、颧骨、下鼻甲骨、犁状骨、下颌骨、额骨、顶骨、颞骨、筛骨、蝶骨和枕骨，在三维空间坐标系中的坐标位置进行提取颅骨三维坐标参数；步骤1062，构建初始头部模型，将所述颅骨三维坐标参数输入到所述初始头部模型中，生成目标人物头部模型。
49.具体地，如图2所示，在获得精准的、完整的目标人物头部图像之后，针对人物头部的上颌骨、鼻骨、泪骨、颧骨、下鼻甲骨、犁状骨、下颌骨、额骨、顶骨、颞骨、筛骨、蝶骨和枕骨的颅骨三维坐标参数，即可获取到完整的头部模型建立的所需参数，从而构建目标人物对应的头部模型。
50.本发明技术方案通过提取波长为1000-1100nm的近红外光谱数据作为目标人物头部的面颅骨区域成像数据来源，利用短波波动剧烈的特性可以对人物面颅骨区域中的眼眶区域、鼻腔区域和口腔区域等深壑区域进行精准识别；通过提取波长为1800-2200nm的近红外光谱数据作为目标人物头部的脑颅骨区域成像数据来源，利用长波波动平缓的特性可以对人物脑颅骨区域中的后脑区域等坡度区域进行精准识别，得到精准的人物头部数据；然后对两者数据形成的图像进行融合后，能够构建精准的头部模型。
51.实施例二请参照图3，为本发明另一实施例提供的一种基于近红外光谱成像的头部模型构建系统的结构示意图，包括：数据提取模块、图像生成模块、区域提取模块、位置基准模块、图像融合模块和模型建立模块。
52.所述数据提取模块，用于获取目标人物头部的近红外光谱数据，在所述近红外光谱数据中对光谱波长为1000-1100nm对应的近红外光谱数据进行提取，得到第一光谱数据，以及对光谱波长为1800-2200nm对应的近红外光谱数据进行提取，得到第二光谱数据。
53.所述图像生成模块，用于分别根据所述第一光谱数据和所述第二光谱数据生成所述目标人物头部的第一头部立体图像和第二头部立体图像。在本实施例中，所述图像生成模块包括第一生成单元和第二生成单元。
54.其中，所述第一生成单元，用于根据所述第一光谱数据生成所述目标人物头部的第一初始图像，并对所述第一初始图像中目标人物头部的眼眶区域、鼻腔区域和口腔区域进行识别并进行特征放大处理，得到第一头部立体图像。在本实施例中，所述第一生成单元用于进行特征放大处理的过程，具体为：对所述第一初始图像中的眼眶区域、鼻腔区域和口腔区域进行网格化处理，并对每一个网格进行标记；通过双立方插值算法对所述第一初始图像中的眼眶区域、鼻腔区域和口腔区域进行分辨率放大处理；设定亮度阈值，对所述第一初始图像中除眼眶区域、鼻腔区域和口腔区域以外的其他区域进行降低亮度，得到第一头部立体图像。
55.其中，所述第二生成单元，用于根据所述第二光谱数据生成所述目标人物头部的第二初始图像，并对所述第二初始图像中目标人物头部的后脑区域进行识别并进行特征增强处理，得到第二头部立体图像。在本实施例中，所述第二生成单元用于进行特征增强处理的过程，具体为：在所述第一初始图像进行分辨率放大处理后，根据原标记的网格在进行分辨率放大处理后生成的网格数量，确定放大倍数；根据所述放大倍数，通过最近邻插值算法对所述第二初始图像中的后脑区域进行分辨率放大处理；根据所述亮度阈值，增加所述后脑区域的亮度值，并将所述第二初始图像中除后脑区域以外的其他区域进行降低50%透明度处理，得到第二头部立体图像。
56.所述区域提取模块，用于对所述第一头部立体图像中的面颅骨区域进行提取，得到面颅骨光谱图像；以及对所述第二头部立体图像中的脑颅骨区域进行提取，得到脑颅骨光谱图像。
57.在本实施例的第一方面中，所述区域提取模块用于对所述第一头部立体图像中的面颅骨区域进行提取，得到面颅骨光谱图像的步骤中，具体包括：对所述第一头部立体图像中的颅骨特征进行识别，提取上颌骨、鼻骨、泪骨、颧骨、下鼻甲骨、犁状骨和下颌骨区域；将所述上颌骨和下颌骨之间的区域进行二次提取，形成口腔区域；以及，将所述泪骨和颧骨之间的区域进行二次提取，形成眼眶区域；以及，将所述鼻骨、下鼻甲骨和犁状骨之间的区域进行二次提取，形成鼻腔区域；将所述口腔区域、眼眶区域和鼻腔区域所对应的区域图像进行提取，形成面颅骨光谱图像。
58.在本实施例的第二方面中，所述区域提取模块用于对所述第二头部立体图像中的脑颅骨区域进行提取，得到脑颅骨光谱图像的步骤中，具体包括：对所述第二头部立体图像中的颅骨特征进行识别，提取额骨、顶骨、颞骨、筛骨、蝶骨和枕骨区域；将所述额骨、顶骨和颞骨之间的区域进行二次提取，形成颅盖骨区域；以及，将所述筛骨、蝶骨和枕骨之间的区域进行二次提取，形成颅底骨区域；将所述颅盖骨区域和颅底骨区域所对应的区域图像进行提取，形成脑颅骨光谱图像。
59.所述位置基准模块，用于根据所述面颅骨区域和所述脑颅骨区域在目标人物头部的空间距离，确定所述面颅骨区域和所述脑颅骨区域之间的位置基准数据。
60.在本实施例中，所述位置基准模块具体用于：在所述第一头部立体图像和所述第二头部立体图像中分别建立三维空间坐标系；确定面颅骨区域的上颌骨、鼻骨、泪骨、颧骨、下鼻甲骨、犁状骨和下颌骨在三维空间坐标系中的坐标位置，并计算两两之间的空间距离，形成第一距离序列；确定脑颅骨区域的额骨、顶骨、颞骨、筛骨、蝶骨和枕骨在三维空间坐标系中的坐标位置，并计算两两之间的空间距离，形成第二距离序列；根据所述第一距离序列和所述第二距离序列，确定所述面颅骨区域和所述脑颅骨区域在不同位置上的空间距离，得到位置基准数据。
61.所述图像融合模块，用于根据所述位置基准数据，以所述面颅骨光谱图像为底层，以所述脑颅骨光谱图像为顶层，对所述面颅骨光谱图像和所述脑颅骨光谱图像进行融合，得到目标人物头部图像。
62.在本实施例中，所述图像融合模块具体用于：根据所述位置基准数据，确定基准位置区域；其中，所述基准位置区域包括上颌骨、鼻骨、泪骨、颧骨、下鼻甲骨、犁状骨或下颌骨中的任意一种或多种；以及包括额骨、顶骨、颞骨、筛骨、蝶骨或枕骨中的任意一种或多种；以所述面颅骨光谱图像为底层，以所述脑颅骨光谱图像为顶层，选择面颅骨光谱图像中的基准位置区域为第一对齐点，同时，选择脑颅骨光谱图像中的基准位置区域为第二对齐点；根据所述第一对齐点和所述第二对齐点，对所述面颅骨光谱图像和所述脑颅骨光谱图像进行对齐后合并，得到目标人物头部图像。
63.所述模型建立模块，用于根据所述目标人物头部图像，提取出所述目标人物头部的三维立体数据，并根据所述三维立体数据建立目标人物头部模型。
64.在本实施例中，所述模型建立模块具体用于：对所述目标人物头部图像的上颌骨、鼻骨、泪骨、颧骨、下鼻甲骨、犁状骨、下颌骨、额骨、顶骨、颞骨、筛骨、蝶骨和枕骨，在三维空间坐标系中的坐标位置进行提取颅骨三维坐标参数；构建初始头部模型，将所述颅骨三维坐标参数输入到所述初始头部模型中，生成目标人物头部模型。
65.实施例三
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行上述任一实施例所述的基于近红外光谱成像的头部模型构建方法。
66.实施例四请参照图4，是本发明实施例提供的终端设备的一种实施例的结构示意图，所述终端设备包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现上述任一实施例所述的基于近红外光谱成像的头部模型构建方法。
67.优选地，所述计算机程序可以被分割成一个或多个模块/单元（如计算机程序、计算机程序），所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述终端设备中的执行过程。
68.所述处理器可以是中央处理单元（central processing unit，cpu），还可以是其他通用处理器、数字信号处理器（digital signal processor，dsp）、专用集成电路（application specific integrated circuit，asic）、现成可编程门阵列（field-programmable gate array，fpga）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，通用处理器可以是微处理器，或者所述处理器也可以是任何常规的处理器，所述处理器是所述终端设备的控制中心，利用各种接口和线路连接所述终端设备的各个部分。
69.所述存储器主要包括程序存储区和数据存储区，其中，程序存储区可存储操作系统、至少一个功能所需的应用程序等，数据存储区可存储相关数据等。此外，所述存储器可以是高速随机存取存储器，还可以是非易失性存储器，例如插接式硬盘，智能存储卡（smart media card，smc）、安全数字（secure digital，sd）卡和闪存卡（flash card）等，或所述存储器也可以是其他易失性固态存储器件。
70.需要说明的是，上述终端设备可包括，但不仅限于，处理器、存储器，本领域技术人员可以理解，上述终端设备仅仅是示例，并不构成对终端设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件。
71.以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。