本发明涉及面部识别，具体为一种通过表面体素化实现面部去识别的方法。
背景技术：
1、磁共振成像作为一种无创诊断工具，在神经影像学研究中发挥着越来越重要的作用。共享通过标准化成像协议获得的兼容数据将使来自世界各地的研究人员能够进行连贯的研究。这一事实导致了大规模多站点联合研究的创建，例如阿尔茨海默病神经影像学倡议开放获取系列影像学研究，旨在使mr数据可用于更大的研究社区。然而，最近的研究表明，3d mr图像的高分辨率表面重建可以为计算机和人类观察者提供足够的面部细节识别。例如，通过将重建的面部图像与具有已知身份的人脸的大型图像数据库进行匹配来发现患者的身份。这一风险是许多机构审查委员会关注的问题，并成为大规模协作工作中数据共享的主要障碍。因此，为了在符合联邦或地方法规的情况下共享数据，至关重要的是要有适当地去识别图像数据的措施。
2、在大多数当前的神经成像应用中，图像数据的去识别仅仅集中在去除受纹理保护的健康信息。首先，用于2d临床照片的常用遮挡方法，如像素化或在患者眼睛上方放置黑色条带，对3d图像不再有效。手动模糊3d mr图像中的面部细节是非常耗时和费力的。其次，大多数公开可用的面部去识别工具极大地复杂化了数据重用。在去识别过程中，大量的图像元素将被丢弃，因此，严重损害了成像数据的效用。在某些极端情况下，mr图像后处理的标准化工具包无法再处理去识别的图像，这些工具包假设图像数据的完整性没有被修改。用这些工具包处理去识别图像会导致数据分析中的考虑错误。最后，一些去识别技术可能需要操作员在数学和图像处理方面具有特定的专业知识，并且大大增加了临床医生使用这些工具的使用障碍。
3、现有几种的方法可用于3d mr图像的自动去识别。其中大多数都是通过去除大量实际上与面部识别没有直接关系的图像数据来实现图像的去识别。其中一些方法对运行时参数的选择也很敏感，这往往会导致丢失理想的图像信息。因此，需要大量的人工干预来修改处理结果。其他一些方法通过图像配准检测面部区域，当配准算法无法精确地将脑图像与预定义的脑图谱共同配准时，可能会产生问题。其他一些算法本质上是知识驱动的，仅限于在t1-w/t2-/ct图像上操作，并且在处理多模态mr图像时往往不太灵活。
技术实现思路
1、针对现有技术的不足，本发明提供了一种通过表面体素化实现面部去识别的方法，解决了现有的方法都不能通过识别三维脑mr图像中的解剖结构来进行准确的人脸检测的问题。
2、为实现以上目的，本发明通过以下技术方案予以实现：一种通过表面体素化实现面部去识别的方法，包括以下步骤：
3、步骤一：建立三维脑mr图像的可变形人脸检测模型，通过变形模型本身来补偿形态学变化，从而捕获人脸形态学的显著变化，从而实现可靠的人脸检测目标；
4、步骤二：进行新图像中的人脸检测；
5、步骤三：通过表面体素化实现面部去识别。
6、优选的，步骤一中，所述三维脑mr图像的可变形人脸检测模型主要分为训练阶段和应用阶段，所述训练阶段是针对特定的一组数据执行一次，构建混合变形的人脸检测模型，所述应用阶段是将训练好的混合模型应用于检测。
7、优选的，步骤二中，所述新图像中的人脸检测包括对新图像的图像强度和空间方向进行归一化的预处理步骤以及应用训练好的混合模型确定包含新图像中整个面部区域的面部边界框。
8、优选的，所述预处理步骤是采用与训练图像相同的预处理步骤，对新图像i的图像强度和空间方向进行归一化，其中i n中的n图像强度值缩放为[0,255]，将归一化后的强度i记n为i，ns然后与ns预选的参考图像i共配准，并变换到标准r空间u中，空间对齐的i'表示为nsi'，ns用于将iimage对齐到nnsu的线性变换记为t。
9、优选的，步骤三中，所述通过表面体素化实现面部去识别是通过使用两种相对简单面部表面提取和表面体素化的操作来实现的，在ins'中ns确定了面部区域bn'后，所提出的方法通过使用“扫描线”方法识别受试者面部的表面，然后，该方法通过对检测到的面部表面进行表面体素化操作来继续去除表面特征，这可以看作是常用的2d像素化技术的3d扩展，用于去识别面部照片。
10、本发明提供了一种通过表面体素化实现面部去识别的方法。具备以下有益效果：
11、本发明通过去除患者面部的表面细节来去除3d脑mr图像的特征。当出现新图像时，通过混合使用可变形人脸检测模型和模糊多属性决策过程，应用3d人脸检测器检测图像中的患者面部。然后，该方法继续提取患者面部的浅表。然后对面部表面进行下采样，并去除每个采样点附近的图像体素，以创建“体素化”的面部表面，以模糊可识别的面部特征。面部识别测试表明，所有面部特征都被充分地删除了。定量比较表明，该方法不会明显影响广泛使用的mr后处理算法。这种方法应该对那些打算向公众分享大脑mr图像的人感兴趣。
1.一种通过表面体素化实现面部去识别的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种通过表面体素化实现面部去识别的方法，其特征在于：步骤一中，所述三维脑mr图像的可变形人脸检测模型主要分为训练阶段和应用阶段，所述训练阶段是针对特定的一组数据执行一次，构建混合变形的人脸检测模型，所述应用阶段是将训练好的混合模型应用于检测。
3.根据权利要求1所述的一种通过表面体素化实现面部去识别的方法，其特征在于：步骤二中，所述新图像中的人脸检测包括对新图像的图像强度和空间方向进行归一化的预处理步骤以及应用训练好的混合模型确定包含新图像中整个面部区域的面部边界框。
4.根据权利要求3所述的一种通过表面体素化实现面部去识别的方法，其特征在于：所述预处理步骤是采用与训练图像相同的预处理步骤，对新图像i的图像强度和空间方向进行归一化，其中in中的n图像强度值缩放为[0,255]，将归一化后的强度i记n为i，ns然后与ns预选的参考图像i共配准，并变换到标准r空间u中，空间对齐的i'表示为nsi'，ns用于将iimage对齐到nnsu的线性变换记为t。
5.根据权利要求1所述的一种通过表面体素化实现面部去识别的方法，其特征在于：步骤三中，所述通过表面体素化实现面部去识别是通过使用两种相对简单面部表面提取和表面体素化的操作来实现的，在ins'中ns确定了面部区域bn'后，所提出的方法通过使用“扫描线”方法识别受试者面部的表面，然后，该方法通过对检测到的面部表面进行表面体素化操作来继续去除表面特征，这可以看作是常用的2d像素化技术的3d扩展，用于去识别面部照片。
