颅面复原就是根据人类的生态学和解剖学特性,利用未知颅骨来实现面部容貌重构的技术,颅面复原的方法有很多,其中基于统计模型的复原方法一直是近几年研究的热点,它综合考虑了许多样本的颅骨和面皮的几何信息,因此复原结果更加准确可靠。　　本文把偏最小二乘回归(Partial Least Squares Regression)算法引入到颅面重构中。对配准后的颅骨和面皮分别建立统计模型,然后通过偏最小二乘算法建立颅骨和面皮的对应关系,对未知颅骨进行复原。通过和已知面皮进行比较,复原结果比较理想。主要研究内容有:　　1.颅面数据的预处理。对于通过marching cubes算法得到的三维颅骨和面皮,首先用数据处理软件Geomagic studio对其进行去噪,补洞,然后对这些数据进行坐标变换,归一化,配准,分割等处理,为后续的整体和分区复原做准备。　　2.基于PLS回归的颅面整体统计模型的建立和面皮复原。将颅骨和面皮训练样本先投影到。PCA子空间,分别运用线性和非线性PLS在PCA子空间建立回归模型。对于未知颅骨,先将其投影到颅骨的PCA子空间,利用PLS回归模型得到对应面皮的PCA特征参数,然后利用面皮的PCA主成分得到复原面貌,最后比较两种方法的优越性。　　3.基于PLS回归的颅面分区统计模型的建立和面皮复原。根据颅面的生态学特性把配准后的颅骨和面皮数据分割成不同的分区,对各个分区分别运用PLS回归建立统计模型。对未知颅骨,用同样方法对其分区,对各个分区分别进行回归复原,最后对各部分结果运用TPS插值的方法进行融合得到最终复原面貌。　　4.复原面貌与其物理属性的关系研究。把年龄,性别,BMI加入到颅面复原过程中,并研究这些物理属性的变化对复原结果的影响。　　5.系统设计和实现。根据项目研究需要,设计和实现了基于PLS回归的颅面复原系统,具体实现了基于整体模型的颅面复原,基于分区模型的颅面复原,颅面融合等功能。