相较于传统颅面复原方法,计算机辅助颅面复原方法具有明显的优势,其复原结果更加接近真实面模型。颅面相似性度量方法不仅可以评价复原结果,而且评估复原方法,有改善已有的复原方法。因此,颅面相似性度量逐渐成为颅面形态学研究热点。本文以三维颅面模型为研究对象,重点研究颅面放射状特征点提取方法,并将自适应邻域应用于相似性度量方法,旨在解决自动度量颅面模型相似性。主要研究工作如下:1、实现三维颅面模型重建与标准化处理。主要包括基于CT数据的三维颅面重建、颅面复原、统一法兰克福坐标并尺度归一化。通过CT数据重建颅骨和真实面貌模型,基于颅骨面貌复原获取复原面貌模型。统一真实面貌模型和复原面貌模型坐标系、并尺度归一化,为后续研究提供了良好的数据基础。2、针对传统面貌相似性度量方法容易受主观影响以及半自动面貌特征点提取方法存在标定不准确等问题,提出了一种基于放射状特征点的颅面相似性自动度量算法。融合人脸识别的经验知识,首先提取面貌模型上始于鼻尖、终于面貌模型边界的不同密集程度的放射状面部轮廓线,按照等测地距离提取轮廓线上的特征点;之后,计算邻域点的加权平均形状因子度量特征点,采用相关系数衡量面貌模型间相似性。实验表明,该方法可以自动提取特征点并进行三维面貌模型的相似性度量,且度量结果与主观评判一致。3、针对复原面貌模型没有表情特征,提出了一种基于自适应邻域特征描述子的三维面貌相似性度量算法。分析不同表情面部轮廓线上特征点的变化情况,利用自适应邻域约束条件选取与表情特征无关的邻域点,并参与构建特征点的几何特征描述子。以测地距离作为依据衡量复原面貌模型与真实面貌模型之间的相似程度。实验结果表明,该方法可以有效地进行三维面貌模型相似性度量,对具有表情特征的面貌模型具有较好的鲁棒性。