支持向量機在數碼照片輔助牙科比色中的數據分類與應用

王曉菲

支持向量機在數碼照片輔助牙科比色中的數據分類與應用

王曉菲

(徐州市口腔醫院修復科 江蘇 徐州 221000)

目的：利用支持向量機對比色板色標的數碼照片進行數據處理和分類歸納，為精確的牙科比色提供參考。方法：對比色板的色彩標簽按照從1到26號的順序編號，然后在兩種不同條件下拍攝：A組在診室內自然光線下拍攝，B組在5 000k色溫固定光源條件下拍攝。A、B兩組每種色標都拍攝10張。由此得到的所有520張圖片轉換為位圖格式，隨后用圖形處理軟件提取照片色彩信息，抽取其中一套完整的色標照片建立比色板色標模型，在此模型上運行其他色標樣本，采取逐一區分法多次運行程序。利用支持向量機預測每一個樣本的色標歸屬，分別計算兩組樣本的色標分類精確性。結果：A組分類精確度達到0.88，標準差0.93；B組精確度為0.93，標準差0.05。采用單因素方差，用方差分析A、B兩組每種色標的分類精確度(P＜0.05）。結論：利用支持向量機分類處理數碼照片可以為口腔數碼比色提高參考。

比色；支持向量機；口腔修復；數碼攝影；美學

常規的牙科比色是由口腔科醫生依據天然牙在比色板上選擇類似的色標，然后進行直接修復或由牙科技師再根據相應的色標進行義齒制作。比色板反映了色彩的三要素，即色調、飽和度和明度。但是天然牙常常表現出更為復雜的光學現象，牙的顏色實際上是由牙釉質、牙本質、牙髓和牙齦的相互關系以及光的反射和折射所共同確定的[1]，所以在臨床工作中用比色板來確定牙齒顏色有很多局限和不足。數碼相機在牙科領域的應用已經非常廣泛，利用數碼照片信息，醫生和技師可以更便捷地對牙齒的形態和色彩分布進行交流[2]。然而利用數碼照片進行牙科比色還受到一些限制，首先數碼照片的色彩受到拍攝參數和照明條件的影響，其次如何對照片的色彩進行科學、有效的分類和認定也是一個難題。為嘗試解決這個問題，本研究引入了支持向量機（support vector machine,SVM)對數碼照片信息進行處理。SVM已經在很多不同領域解決了數據的分類問題[3]。

1 材料和方法

本研究利用數碼相機拍攝比色板色標的數碼照片再利用SVM對照片進行對比分類。研究過程有三個部分：數據的采集、數據處理以及色標分類，如圖1。

1.1 數據采集：首先對3D-MASTER(Vita Zahnfabrik, Bad Sackingen, Germany)比色板的顏色標簽從1到26號進行編號。然后在兩種不同條件下進行拍攝（佳能 70D/100mm鏡頭/快門1/125/光圈10/感光度400）：A組在診室內隨機自然光線下進行拍攝,每個色標拍攝10張；B組在固定光源5 000k色溫條件下拍攝,每個色標同樣拍10張(選擇B組是為了對比在固定光源條件下拍攝的照片與A組的不同)，每張照片都確保包含了整個色標的正面。由此得到的所有520張圖片全部轉換成位圖格式（bitmap format），以便于進一步的數據處理。每個包含所有26個色標照片的集合稱為一個照片集。

圖1 實驗流程圖

1.2 數據處理：利用Photoshop軟件在每張圖片中選取一塊可以代表色標特征的矩形區域，隨后把每個矩形分為10×2列的格子，再提取每個格子的 RGB, HSV, XYZ,以及L*a*b*等色彩信息。為了方便SVM的數據處理，所有格子色彩的特征向量被轉換為單行矩陣的形式。

1.3 向量支持機的應用和顏色分類：支持向量機是一個非常有效的分類工具，在很多不同領域解決了邊界和分類問題[4]。支持向量機將需要區分的特征向量投射到超平面（hyperplane），盡管在兩種向量之間有無數個超平面，但是僅有一個最優的超平面可以最大化的區分兩種向量[5]。在超平面邊緣的向量被稱為支持向量。數據處理的公式可以用下面的公式闡述：

xi,是色彩的特征向量，yi是相應的色標編號，L代表了測試點的數量。兩種向量間最佳的超平面可以表述為：

ω是超平面的常數，b/‖ω‖是原始向量與超平面之間的垂直距離。

其中ai是拉格朗日常數變量，k(x,xi)系數為徑向基函數（RBF）

在本研究中，首先從拍攝的照片中抽取一個集合（包含26個色標的圖片）作為測試樣本，其他照片集作為運行樣本。在函數運行過程中，相同色標的樣本被歸為一個陽性組，其他樣本歸為陰性組。SVM為每個色標建立預測模型并分配到以上兩組之一。由于SVM只能解決二元的分類問題，因此筆者采取逐一區分法多次運行程序最終預測每一個運行樣本的色標歸屬。同時采用棄一交叉驗證法確保所有的實驗樣本都作為測試樣本和運行樣本參與實驗。分類的精確性被定義為：每種色標中被SVM正確分類的樣本數與該種色標實際總數量的比率。

2 結果

采用自然光照明的A組分類精確度達到0.88，標準差為0.17。在固定光源5000k色溫條件下的拍攝的B組分類精確度0.93標準差0.05。采用單因素方差分析兩組每個色標的平均精確度，P＜0.05。不同照明條件下的分類精確度具有統計學差異。實驗結果顯示恒定光源的照明條件可以提高分類精確度并降低標準差。從圖2可見，樣本數較低時曲線較陡，隨著樣本數的增加曲線逐漸平緩。表明拍攝樣本的數量對比色分類的影響，樣本越多分類就越精確。

圖2A A組分類精確度與標準差

圖2B B組分類精確度與標準差

每種色標獨立的分類精確度見表1，可以比較直觀地看到比色板上明度較低的色標分類精確度比較高，即色標越暗越容易被正確的分組。

3 討論

色彩的測定和卓越的色彩表現是美學牙科領域最困難的部分之一[6]。在大多數牙科文獻中對牙齒顏色的描述都采用孟賽爾的顏色三維度即：明度、色調和飽和度[7]。然而實際上天然牙的光學性質要復雜的多，比如牙本質具有熒光性，牙釉質常常表現出乳光色，牙齒的表面紋理對光的反射產生影響[8]。為了精確復原天然牙的外觀，牙科醫生有必要借助影像學手段記錄相關細節。近年來，數碼攝影已經逐漸成為口腔臨床工作中記錄資料、醫患交流的重要工具。

表1 A、B組不同色標的分類精確度

本研究借助廣為人知的支持向量機對牙科數碼數據進行處理并根據比色板色標信息進行分類。支持向量機是一種經典的機器學習算法，主要解決數據分類問題。原理是基于運算大量已有數據和已知的分類情況，計算出一個預測模型。然后可以在模型上運算新的數據，從而判斷新數據應當歸為哪一類。支持向量機適應于線性與非線性的場景，應用范圍非常廣泛[9]。在本研究中，筆者利用SVM將復雜的顏色信息映射成為線性的向量從而為進一步的數據處理和色標分類提供方便。

物體的色彩取決于光源，色彩的測定最好采用恒定光源。本研究結果顯示在B組由于采用了5 000k色溫的固定光源，分類精度要高于采用隨機自然光源的A組，該結果與以往的很多研究相符[10]。低于5 000k色溫光譜曲線趨近于紅、黃，而高于5 000k色溫趨近于藍、紫，只有在5 000k色溫條件下才能完美呈現中性灰。所以，為實現精確臨床數碼比色，最佳光源需要具有5 000k的色溫。同時，為了方便醫生與技師及患者的交流采用統一的固定光源照明也是非常必要的。

從實驗結果看，隨著樣本數量的增加色標分類的精確性逐漸提高。當每一套圖片拍攝7張以上時精確性逐漸趨于穩定。這提示大家進行數碼比色時應在同樣的拍攝條件下盡量多地采集照片。3D-MASTER比色板具有由亮到暗5個明度，筆者也注意到無論在A組還是B組色標的明度對分類的影響比較大，隨著明度的降低，分類的精確度逐漸提高。可以推測本實驗的分類方法對照片的明度較敏感，色標的明度越低越容易被正確的分組,具體的原因還需要進一步的研究。

本研究初步探討了應用支持向量機對口腔數碼資料進行數據分析和由此基礎上對色標進行分類的可行性。實驗結果顯示在樣本采集量充分的條件下，支持向量機可以對比色板色標的數碼照片進行歸類，同時驗證了恒定光源對顏色測定的重要性。在以后的研究中，我們可以嘗試對天然牙的數碼影像進行分析，以便為臨床比色打下基礎。本研究及后續的臨床比色期望于提高口腔醫生臨床比色的精確性，降低主觀因素的影響，為患者提供更優質的就診體驗。

[1]Chu SJ, Trushkowsky RD, Paravina RD.Dental color matching instruments and systems. esearch Review of clinical and raspects[J]. J Dent,2010,38(suppl.2):e2-16.

[2]Tam WK,Lee HJ.Dental shade matching using a digital camera[J].J Dent,2012,(suppl.2):e3-10.

[3]Chen WS,Tsai PJ,Shih SW,et al.An Irisrecognition techniques based on multi eature extraction and support vector machine[M]. In:Circuits,Signals,and Systems. 2005:180-185.

[4]Johnston WM.Color measurement in dentistry[J].J Dent,2009,37(suppl.1):e2-6.

[5]Hornik K, Meyer D, Karatzoglou A.Support vectormachines in R[J].J Stat Softw 2006,15:1-28.

[6]Meyer D,Wien FT. Support vector machines[M].In:The Interface to libsvm in package 2015:e1071.

[7]Ishikawa-Nagai S,Ishibashi K,Tsuruta O,et al.Reproducibility of tooth color gradation using a computer color-matching technique applied to ceramic restorations[J].J Prosthet Dent,2005,93:129-137.

[8]劉峰.比色方法及顏色傳遞,色彩學知識與牙科比色Ⅲ[J].中華口腔醫學雜志,2008,43(12):162-164.

[9]劉峰,楊亞東,張峰,等.數碼攝影在瓷修復中的應用評價[J].北京口腔醫學,2007,15(3):162-164.

[10]馮晉,于海洋.2317例定制式固定義齒工作授權書調查研究[J].華西口腔醫學雜志,2009,27(4):390-393.

編輯/李陽利

Data Manipulating and Classification in Digital Dental Color Match with Support Vector Machines

WANG Xiao-fei
(Department of Prosthodontics,Xuzhou Stomatological Hospital,Xuzhou 221000,Jiangsu,China)

ObjectiveFor the sake of accuracy dental shade matching,Support vector machines (SVM) is used for data manipulating and classification.MethodsA total of 520 shade tab pictures were captured using a digital camera.Group A were shot at clinic room with natural day light.Group B were shot with light tubes that produced a 5 000 K color temperature.The color features extracted rom the pictures were used as feature vector.The feature vectors in each group underwent SVM training and classification.ResultsThe accuracies of Group A and Group B were 0.88 and 0.93 respectively,and standard deviation of Group A and B were 0.93 and 0.05 respectively.One-way Anova are used to analyze the accuracies of both Group ,and P＜0.05.ConclusionThis study provides a new method for dental shade matching that uses the Support vector machines (SVM) classification.

shade match;support vector machine; prosthodontics; digital- photography aesthetics

R783.3

A

1008-6455（2017）02-0105-03

2016-11-18

2016-12-25