【技术实现步骤摘要】
本专利技术涉及烤瓷义齿调色，具体为一种配色融合规划的烤瓷义齿自动调色系统。
技术介绍
1、传统的烤瓷义齿配色系统通常依赖于牙医或技术人员的经验和肉眼观察。这个过程主要包括客户咨询、基础色板对比、手动调色、试色和调整等步骤。首先，牙医会对客户牙齿的颜色进行评估，然后从标准色板中选择一个或多个接近的颜色作为基础色。技术人员会根据这些基础色涂抹烤瓷釉进行色彩搭配，并经过烧制前的多次试验和调整。因为这个过程高度依赖人工经验和肉眼判断，很多时候难以达到完美的颜色匹配。光线条件的变化、操作人员的主观感觉差异，甚至是客户自身牙齿颜色的复杂性都可能造成颜色选择的偏差。
2、传统系统存在几个劣势。首先，精确度较低，因为肉眼判断存在局限性，特别是在识别牙齿的微妙色彩变化方面容易出错。其次，效率较低，手动调色过程耗时且可能需要多次调整和反复比对才能得到满意的效果。此外，可重复性差，不同技术人员之间，甚至是相同技术人员在不同时间的操作结果都可能存在差异，难以保证每一次的配色结果都能获得同样的质量标准。最后，传统系统很难处理复杂色彩的变化，比如牙齿颜色的深浅、渐变等影响颜色选择的各种因素，这些都需要高度的技艺和经验来处理，而且即使有丰富的经验也难以保证完美的结果。
技术实现思路
1、本专利技术的目的在于提供一种配色融合规划的烤瓷义齿自动调色系统，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：一种配色融合规划的烤瓷义齿自动调色系统，其包括光谱数据分析
3、所述光谱数据分析模块利利用线性回归算法对光谱数据进行光谱烤瓷义齿配色的预测；
4、所述图像数据分析模块利用图像传感器拍摄用户的牙齿图片，对图片数据进行预处理以及特征提取，并利用逻辑回归算法对提取的数据特征进行图像烤瓷义齿配色的预测；
5、所述结果比较与优化模块比较光谱数据分析模块预测的光谱烤瓷义齿配色和图像数据分析模块预测的图像烤瓷义齿配色，比较一致，则将预测结果确定为最终结果；
6、比较不一致，将光谱数据分析模块中的光谱数据和光谱烤瓷义齿配色的预测结果与图像数据分析模块中的图像数据以及图像烤瓷义齿配色的预测结果进行整合，并利用卷积神经网络算法对整合数据进行卷积烤瓷义齿配色的预测，并将卷积烤瓷义齿配色分别与光谱数据分析模块预测的光谱烤瓷义齿配色和图像数据分析模块预测的图像烤瓷义齿配色进行比较，具体包括：
7、卷积烤瓷义齿配色与光谱数据分析模块预测的光谱烤瓷义齿配色比较不一致时，对光谱数据分析模块中的方法进行正则化处理，用于约束模型参数；
8、卷积烤瓷义齿配色与图像数据分析模块预测的图像烤瓷义齿配色比较不一致时，对图像数据分析模块中的高斯平滑的去噪方法转换为中值滤波，用于保留图像细节和边缘信息，减少图像模糊；
9、优化处理之后，再次按照之前的逻辑进行结果确定以及比较，直到确定最终结果。
10、作为本技术方案的进一步改进，所述光谱数据分析模块包括光谱数据收集单元和光谱数据分析单元，所述光谱数据收集单元利用光谱分析仪收集用户牙齿的光谱数据，光谱数据包括但不限于波长、光强度、反射率、透射率和吸收率；所述光谱数据分析单元利用线性回归算法对光谱数据进行光谱烤瓷义齿配色的预测，并将光谱烤瓷义齿配色发送给结果比较与优化模块。
11、作为本技术方案的进一步改进，所述图像数据分析模块包括图像数据收集单元和图像数据分析单元，所述图像数据收集单元利用图像传感器拍摄用户的牙齿图片，并对图像进行预处理以及特征提取；所述图像数据分析单元利用逻辑回归算法对提取的数据特征进行图像烤瓷义齿配色的预测，并将图像烤瓷义齿配色发送给结果比较与优化模块。
12、作为本技术方案的进一步改进，所述结果比较与优化模块包括结果比较单元和方法优化单元，所述结果比较单元接收光谱数据分析单元和图像数据分析单元，比较光谱数据分析单元和图像数据分析单元的预测结果，比较一致，确定为最终结果，比较不一致，则将光谱数据分析模块和图像数据分析模块中的数据以及预测结果进行整合，利用卷积神经网络算法对整合数据进行卷积烤瓷义齿配色的预测，将卷积烤瓷义齿配色分别与光谱数据分析单元和图像数据分析单元的预测结果进行比较，根据比较结果对两者进行优化处理；所述方法优化单元对光谱数据分析单元中的方法进行正则化处理，对图像数据收集单元中的高斯平滑的去噪方法转换为中值滤波，进行优化处理。
13、作为本技术方案的进一步改进，所述光谱数据分析单元利用线性回归算法对光谱数据进行光谱烤瓷义齿配色的预测，模型训练具体包括：
14、线性回归模型的数学表达为y＝β0+β1x1+β2x2+…+βnxn，其中，y是光谱烤瓷义齿的配色，x1,x2,…,xn是其余特征，代表影响因变量的解释变量，β0,β1,β2,…,βn则是模型的参数，分别代表截距和各自变量的系数；利用训练集数据对模型参数进行估计的过程，采用最小二乘法，通过最小化实际观测值与模型预测值之间的差距来求解模型参数的方法，在模型训练过程中，找到最优的参数值，使得模型预测值与实际观测值之间的残差平方和达到最小。
15、作为本技术方案的进一步改进，所述图像数据收集单元利用图像传感器拍摄用户的牙齿图片，并对图像进行预处理以及特征提取，具体包括：
16、去噪声：应用去噪声算法，包括高斯平滑，通过对图像进行卷积，用高斯函数作为权重的模糊核，对每个像素及其周围的像素进行加权平均，权重由高斯分布决定，中心像素具有最高的权重；
17、调整对比度：通过直方图均衡化完成，通过重新分配图像的亮度来增强全局对比度，操作包括拉伸图像直方图，使之在所有亮度上都有一个均匀分布，提高图像的整体对比度；
18、颜色特征提取：通过转换颜色空间从rgb到lab更为均匀的颜色空间，其中lab颜色空间更贴近人类视觉对颜色的感知，用于颜色差异的量化分析,lab颜色模型是一种色彩空间，按照人的视觉感知非线性地映射颜色,在lab空间中，l代表亮度，a和b代表颜色对立维度，其中a是从绿色到红色的轴，b是从蓝色到黄色的轴；
19、纹理特征提取：纹理特征描述了牙齿表面的模式和结构，使用局部二值模式提取这些特征,通过比较中心像素与其周围邻域像素的亮度值，将中心点的邻域内的像素按照亮度值转化为0和1，构成一种二进制代码；
20、形状特征提取：通过边缘检测技术包括索贝尔滤波，提取牙齿的轮廓和结构特征,索贝尔滤波是一个包含垂直和水平方向卷积核的离散微分算子,通过计算图像亮度函数的梯度的近似值，突出显示图像中亮度变化迅速的区域的边缘。
21、作为本技术方案的进一步改进，所述图像数据分析单元利用逻辑回归算法对提取的数据特征进行图像烤瓷义齿配色的预测，具体包括：
22、利用公共数据库收集与图像数据收集单元收集的相同类型的图片，并进行同样的数据处理和特征提取，包括特征向量以本文档来自技高网...
【技术保护点】
1.一种配色融合规划的烤瓷义齿自动调色系统，其特征在于：包括光谱数据分析模块(100)、图像数据分析模块(200)和结果比较与优化模块(300)，其中：
2.根据权利要求1所述的配色融合规划的烤瓷义齿自动调色系统，其特征在于：所述光谱数据分析模块(100)包括光谱数据收集单元(101)和光谱数据分析单元(102)，所述光谱数据收集单元(101)利用光谱分析仪收集用户牙齿的光谱数据，光谱数据包括但不限于波长、光强度、反射率、透射率和吸收率；所述光谱数据分析单元(102)利用线性回归算法对光谱数据进行光谱烤瓷义齿配色的预测，并将光谱烤瓷义齿配色发送给结果比较与优化模块(300)。
3.根据权利要求2所述的配色融合规划的烤瓷义齿自动调色系统，其特征在于：所述图像数据分析模块(200)包括图像数据收集单元(201)和图像数据分析单元(202)，所述图像数据收集单元(201)利用图像传感器拍摄用户的牙齿图片，并对图像进行预处理以及特征提取；所述图像数据分析单元(202)利用逻辑回归算法对提取的数据特征进行图像烤瓷义齿配色的预测，并将图像烤瓷义齿配色发送给结果比较与优
4.根据权利要求3所述的配色融合规划的烤瓷义齿自动调色系统，其特征在于：所述结果比较与优化模块(300)包括结果比较单元(301)和方法优化单元(302)，所述结果比较单元(301)接收光谱数据分析单元(102)和图像数据分析单元(202)，比较光谱数据分析单元(102)和图像数据分析单元(202)的预测结果，比较一致，确定为最终结果，比较不一致，则将光谱数据分析模块(100)和图像数据分析模块(200)中的数据以及预测结果进行整合，利用卷积神经网络算法对整合数据进行卷积烤瓷义齿配色的预测，将卷积烤瓷义齿配色分别与光谱数据分析单元(102)和图像数据分析单元(202)的预测结果进行比较，根据比较结果对两者进行优化处理；所述方法优化单元(302)对光谱数据分析单元(102)中的方法进行正则化处理，对图像数据收集单元(201)中的高斯平滑的去噪方法转换为中值滤波，进行优化处理。
5.根据权利要求2所述的配色融合规划的烤瓷义齿自动调色系统，其特征在于：所述光谱数据分析单元(102)利用线性回归算法对光谱数据进行光谱烤瓷义齿配色的预测，模型训练具体包括：
6.根据权利要求3所述的配色融合规划的烤瓷义齿自动调色系统，其特征在于：所述图像数据收集单元(201)利用图像传感器拍摄用户的牙齿图片，并对图像进行预处理以及特征提取，具体包括：
7.根据权利要求3所述的配色融合规划的烤瓷义齿自动调色系统，其特征在于：所述图像数据分析单元(202)利用逻辑回归算法对提取的数据特征进行图像烤瓷义齿配色的预测，具体包括：
8.根据权利要求4所述的配色融合规划的烤瓷义齿自动调色系统，其特征在于：所述方法优化单元(302)对光谱数据分析单元(102)中的方法进行正则化处理，通过在线性回归公式的基础上Y＝β0+β1X1+…+βnXn，加入一个正则化项，正则化是通过加入一个额外的惩罚项到损失函数中来约束和减少模型参数的复杂度的过程，正则化项减少参数的大小但不会将其完全置零，并通过网格搜索以及交叉验证确定正则化系数的最优值，在这个过程中，正则化强度参数的不同取值会被遍历，模型在不同取值下的表现会被比较，以交叉验证的平均得分为标准，选择最佳的参数值；确定了最优的正则化强度后，使用它来训练全量的训练数据并得到最终模型。
9.根据权利要求4所述的配色融合规划的烤瓷义齿自动调色系统，其特征在于：所述方法优化单元(302)对图像数据收集单元(201)中的高斯平滑的去噪方法转换为中值滤波，通过将高斯平滑的去噪方法转换为中值滤波，通过选择5x5窗口尺寸，将窗口移动至图像上的每个像素位置，使该像素位于窗口的中心，收集窗口内所有像素的强度值，将这些值排序，找出中间值，用中间值替换当前窗口中心的像素值，重复以上步骤，移动窗口直到覆盖整个图像。
...【技术特征摘要】
1.一种配色融合规划的烤瓷义齿自动调色系统，其特征在于：包括光谱数据分析模块(100)、图像数据分析模块(200)和结果比较与优化模块(300)，其中：
2.根据权利要求1所述的配色融合规划的烤瓷义齿自动调色系统，其特征在于：所述光谱数据分析模块(100)包括光谱数据收集单元(101)和光谱数据分析单元(102)，所述光谱数据收集单元(101)利用光谱分析仪收集用户牙齿的光谱数据，光谱数据包括但不限于波长、光强度、反射率、透射率和吸收率；所述光谱数据分析单元(102)利用线性回归算法对光谱数据进行光谱烤瓷义齿配色的预测，并将光谱烤瓷义齿配色发送给结果比较与优化模块(300)。
3.根据权利要求2所述的配色融合规划的烤瓷义齿自动调色系统，其特征在于：所述图像数据分析模块(200)包括图像数据收集单元(201)和图像数据分析单元(202)，所述图像数据收集单元(201)利用图像传感器拍摄用户的牙齿图片，并对图像进行预处理以及特征提取；所述图像数据分析单元(202)利用逻辑回归算法对提取的数据特征进行图像烤瓷义齿配色的预测，并将图像烤瓷义齿配色发送给结果比较与优化模块(300)。
4.根据权利要求3所述的配色融合规划的烤瓷义齿自动调色系统，其特征在于：所述结果比较与优化模块(300)包括结果比较单元(301)和方法优化单元(302)，所述结果比较单元(301)接收光谱数据分析单元(102)和图像数据分析单元(202)，比较光谱数据分析单元(102)和图像数据分析单元(202)的预测结果，比较一致，确定为最终结果，比较不一致，则将光谱数据分析模块(100)和图像数据分析模块(200)中的数据以及预测结果进行整合，利用卷积神经网络算法对整合数据进行卷积烤瓷义齿配色的预测，将卷积烤瓷义齿配色分别与光谱数据分析单元(102)和图像数据分析单元(202)的预测结果进行比较，根据比较结果对两者进行优化处理；所述方法优化单元(302)对光谱数据分析单元(102)...
【专利技术属性】
技术研发人员：马春娟，旷毅，尚文蕊，熊小凤，
申请(专利权)人：美达牙科技术深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。