颅骨面貌复原和颅骨身份识别是颅面形态信息学领域重要的研究内容,它们主要应用于法医学、人类学、考古学和医学整形等领域。基于颅面数字化模型,计算机辅助颅骨面貌复原与身份识别是信息科学与颅面形态学交叉的全新应用,其具有理论依据充分、客观性强和效率高等优势,近年来成为国内外研究热点。本文针对目前颅骨面貌复原和颅骨身份识别研究中存在颅面稠密点对应关系不准确、颅骨生物特征识别研究主观性强且测量过程繁琐、颅骨和面貌局部形态之间复杂非线性映射关系表达不足、颅骨和面貌内蕴特征表示能力不足的问题,将体质人类学知识作为先验知识,结合统计分析理论、图像处理技术和深度学习方法对其展开深入研究,进一步完善颅面形态信息学研究内容和支持相关领域实际应用需求。本文的主要工作和贡献包括:1.提出一种基于分层优化策略的颅骨稠密点对应和基于区域曲率图的面皮稠密点对应方法。颅骨稠密点对应分为粗略对齐和精确对齐两过程,粗略对齐时采用meansk-算法剔除误匹配点对,精确对齐时加入dk-树提升算法搜索效率,加入几何特征约束二次剔除误匹配点。面皮稠密点对应中,构造特征点的区域曲率图描述符来匹配相似局部形状的点,并采用曲率图子区域的点对应搜索和匹配策略,减少丢失区域的影响和提高搜索效率;然后在满足几何一致性前提下,采用奇异值分解方法计算面皮点云间刚体变换关系实现面皮粗略对齐;最后通过引入动态迭代系数对迭代最近点算法进行改进,实现面皮精确对齐。实验结果表明,所提方法可实现准确的颅骨和面皮稠密点对应关系,为后续颅骨面貌复原和身份识别研究提供了良好的数据基础。2.提出一种基于小波变换和傅里叶变换的颅骨性别识别和基于改进卷积神经网络和支持向量机的颅骨种族识别方法。在性别识别方法中,通过小波变换和傅里叶变换分别对颅骨眶上缘和额骨矢状弧形态进行特征量化提取;然后将眶上缘特征和额骨形态特征融合,采用支持向量机构建性别分类器实现性别识别。实验结果表明,所提方法避免传统方法繁琐测量,结果更为客观准确。在种族识别方法中,首先对卷积神经网络Le Net5模型进行结构改进,提取颅骨多视图图像特征;然后设计并行支持向量机模型构建种族分类器实现种族识别。实验结果表明,所提方法的识别准确率优于传统方法,较好地解决了传统方法主观性强、测量误差大的问题。3.提出一种基于区域融合策略的颅骨面貌复原和基于改进生成对抗网络的颅骨面貌复原方法。基于区域融合的颅骨面貌复原将颅骨和面皮分成五个对应的局部特征区域;然后使用高斯过程潜变量模型将颅骨和面皮的五个区域分别映射到低维潜空间,在潜空间中训练最小二乘支持向量回归模型建立颅骨区域到相应面皮区域的五个映射。最后进行区域融合实现整体面貌复原。基于改进生成对抗网络的颅骨面貌复原设计一种生成器和鉴别器的分层结构,每个结构包括一个全局网络和五个局部网络（左眼、右眼、鼻子、嘴巴和框架轮廓）,生成器还有一个融合网络用于从全局和局部网络的输出合成人脸图像。另外,在生成对抗网络中添加自注意力机制,用于对广泛分离的空间区域关系进行建模;将对抗损失、像素损失、特征匹配损失和局部传输损失组合起来作为网络的损失函数。最后用上述改进生成对抗网络模型实现颅骨面貌复原。实验结果表明,所提方法可支持颅面局部形态间复杂非线性映射关系的表达,能够较好地提高面貌复原准确性。4.提出一种基于最小二乘正则相关性分析的颅骨面貌识别和基于视图特征和形状特征融合的颅骨面貌识别方法。基于最小二乘正则相关性分析的颅骨面貌识别构建颅骨和面皮的统计形状模型,将颅骨和面皮投影到形状参数空间中;然后通过最小二乘正则相关性分析提取颅骨和面皮的主相关信息,构建全局相关性分析模型和局部相关性模型,度量颅骨和面皮的整体相关性和局部相关性;最后通过建立的相关性分析模型,计算未知颅骨和面皮库中每张面皮的匹配程度得到识别结果。基于视图特征和形状特征融合的颅骨面貌识别采用多视图神经网络学习颅骨和面皮的多视图特征,根据特征值归一化思想构造尺度不变的波核特征,提取颅骨和面皮的形状特征;然后通过核典型相关分析将视图特征和形状特征进行融合,得到颅骨和面皮的内蕴特征向量表示;最后通过计算颅骨特征向量和面皮特征向量的相关系数实现颅骨面貌识别。实验结果表明,所提方法提高了面貌识别率,降低了颅骨面貌识别问题复杂性,无需准确提取和表示颅骨与面皮之间内在形态关系,只需通过分析颅骨和面皮之间的相关性就能确定颅骨身份。