软测量技术论文

 

     软测量技术论文篇一    软测量技术在污水处理中的应用

    摘要：近年来软测量技术的研究主要是基于人工神经网络，它对非线性问题有较好的处理能力，对求解结果有较好的泛化能力，由于实际生活中严格意义上的线性系统并不多见，故对神经网络技术的改进和提高仍将是推动软测量技术发展的重要因素。本文主要探讨了软测量技术在污水处理中的应用。

    关键词:污水处理;软测量;技术

    Abstract: in recent years the soft measurement technology research mainly is based on artificial neural network, it to nonlinear problem have good processing power, for the method has good generalization ability, with real life strictly linear system does not see more, so the neural network technology improvement will still is to promote the development of the soft measurement technology important factors. This paper mainly discussed the soft measurement technology in wastewater treatment of application.

    Keywords: sewage treatment; The soft measurement; technology

    中图分类号：TU74文献标识码：A 文章编号：

    0 引言

    污水生化处理中存在着多变量耦合、强非线性、参数时变、大滞后等特点，这些复杂性和不确定性给污水的生化处理的监视和控制带来了极大的挑战。在此复杂工况下，通过机理模型、人工智能和统计回归多种方法相结合构建软测量模型，有效地对难以测量或不易在线测量的重要参数进行测量，进而更加有效地优化和诊断污水生化处理过程，是当前软测量在污水生化处理过程的发展趋势。尽管软测量技术已经有多年的发展，但在污水生化处理过程中的应用才刚刚起步，尚有许多问题亟待在未来研究中取得突破：(1)污水生化反应过程复杂，干扰无处不在，由此带来的数据离群对精确建模产生极大的挑战，因此，构建鲁棒型自适应软测量模型是一个亟待解决的问题;(2)污水处理软测量模型得不到有效的校正一直阻碍着软测量实际应用，特别是当传感器发生故障的情况下如何实现软测量自校正;(3)污水生化机理模型与机器学习等建模方法有机结合也是重要议题;(4)有效地利用软测量优化和诊断污水生化处理过程，特别是诊断污泥膨胀、泡沫等异常现象。

    1 软测量技术的基本原理

    软测量技术是依据某种最优化准则，利用由辅助变量构成的可测信息通过软件计算实现对主导变量的测量引。软仪表的核心是表征辅助变量和主导变量之间的数学关系的软测量模型。软测量技术原理基本框架图如图1所示。因此构造软仪表的本质就是如何建立软测鼍模型，即数学建模问题。软测量模型注重的是通过辅助变量来获得对主导变量的最佳估计，而不是强调过程各输入/输出变量彼此之间的关系。软测量模型本质上是要完成由辅助变量构成的可测信息集到主导变量估计Y的映射，用数学公式表示即为：Y=f()。

    图l 软测量技术原理基本框架图

    2 软测量的概述

    软测量本质上是一种建模的方法，即通过构造某种数学模型，描述输入量、被控变量、扰动变量与待测量之间的函数关系，即通过容易获取的辅助变量，来推断某些难以测量或不易在线精确测量的待测量，数学描述如式: y=f(xk ,xo)+,其中，xk为易检测变量，xo为可控的操作变量，为污水生化处理中的扰动。

    2.1软测量辅助变量的选择

    污水处理中软测量辅助变量的选择包括了数量、类型和检测点位置的选择。特别是辅助变量的选择要紧密结合污水中硝化菌、丝状菌等生物的生化反应原理。

    2.2软测量数据的选择与处理

    为了保证所采集信息的准确性和有效性，应注意数据的信息量(特别是污水处理中的海量信息)，均匀分配采集点，尽量拓宽数据的涵盖范围，减少信息重叠，避免信息冗余。因此，对数据进行数据转换和误差处理的预处理是不可缺少的。其中数据转换包括标度、转换和全函数3部分。而误差处理包括了随机误差和过失误差处理两大类。

    2.3软测量建模

    模型辨识是软测量的核心。为了达到对污水处理这个非线性、大时滞对象的测量和控制效果，国内外专家提出了多种非线性软测量方法，有基于工艺机理模型的方法、基于回归模型的方法、基于状态估计的方法和基于知识的方法。其中以神经网络为建模工具的基于知识的方法研究最为活跃。为了确认模型是否能够满足预期的使用要求，软测量模型辨识出来以后需进行模型验证。

    3 软测量技术在污水处理中的应用

    软测量的核心问题是建立待估计主导变量与直接测量辅助变量间的关联模型。污水处理过程中，生物化学需氧量BOD、化学耗氧量COD、总氮TN以及总磷TP等是衡量出水水质的重要参数，也是难以直接测量的关键指标。目前所采用的软测量方法，多是通过建立易测变量(如曝气池溶解氧量DO、水温T、曝气池pH值及氧化还原电位ORP等)与上述难测变量间的关系，间接实现主导变量的测量。其中，机理分析与回归分析相结合的方法具有一定的代表性，但回归分析所需大量训练样本和模型的在线校正问题限制了该方法的实时应用。相比较而言，GA的全局并行搜索能力、ANN的广义非线性映射能力、SVM良好的统计规律和泛化能力引起了众多学者的关注，已经成为污水处理软测量技术的研究热点，其开发流程如图l所示。

    图1 污水处理软测量开发流程

    3.1 基于GA的污水处理软测量技术

    GA是一类模拟生物进化机制(遗传与自然选择)的高效启发式随机搜索算法。种群进化、编码搜索和并行寻优的特点使其具备了全局优化的能力。在污水处理过程中，运用或改进遗传算子(选择、交叉、变异)后，多与模糊逻辑(FuzzyLogic)、人工神经网络相结合，优化控制器的运算效率和全局收敛能力;也可与K-means等算法结合，形成混合聚类算法，以提高收敛速度并改善分类效果，进而提升污水处理的性能指标。典型遗传算法的计算流程如图2所示。

    图2 典型遗传算法的计算流程

    以曝气溶解氧DO作为序列间歇式活性污泥法(Sequencing Batch Reactor ActivatedSludge Process，SBR)的主控参数，运用遗传算法同时对隶属函数和模糊规则进行优化，以期提升模糊控制器的自适应能力。DO输出曲线的仿真结果显示，超调量与稳态误差显著减小，模糊规则对人工经验的依赖性有所降低。选取与出水水质关键参数BOD耦合、关联度最大的COD、DO、pH值、Ss(Suspended Substance，水中悬浮物)等易测参量作为神经网络的输入，运用遗传算法优化网络结构和最优权、阈值的分布范围，再用BP(Back Propagation，反向传播)算法训练网络，进而建立起基于GABP神经网络的软测量模型。仿真结果显示，该模型对BOD参数具有较高的预测精度。结合K―means算法的研究，提出了一种基于最近邻聚类算法和遗传算法的异常检测算法，对污水处理历史数据进行了聚类分析，成功找出了其中的异常数据;并根据聚类结果进行了故障规则的建立，对污水处理工艺故障诊断系统知识库的建立具有一定的实用参考价值。

    3.2基于ANN的污水处理软测量技术

    ANN是以简单非线性神经元作为处理单元，通过广泛连接构成的、具有大规模分布式并行处理能力的非线性动力学系统;自组织、自学习、分布式联想记忆以及非线性逼近的特点引起了控制界的普遍重视。基于ANN的软测量方法可在不具备对象先验知识的条件下，根据对象的I/0数据直接建模，且具有较强的在线校正能力。应用于污水处理领域，多是将COD、DO、TN、TP、SS及pH值等辅助变量作为网络输人，BOD作为网络输出，通过各类学习算法的训练来解决污水水质的软测量问题。近年来，通过改进学习算法、优化网络结构以及改进神经元结构来提升ANN的计算性能和泛化能力，业已成为解决复杂系统过程参数软测量问题的有效探索途径。一种典型的BOD软测量神经网络分层结构如图3所示。

    输入层隐层 输出层

    图3 典型的BOD软测量神经网络分层结构

    建立了一种5层结构的模糊神经网络控制系统，利用ANN的学习能力来优化模糊逻辑规则和比例因子的调节，力图控制SBR处理过程中的D0浓度，以期达到最优。仿真结果显示出该系统具有响应迅速和运行平稳的特点。提出了一种改进的自适应遗传算法，用以优化ANN的权值和阈值。针对活性污泥法处理过程，建立了(9-15-1)3层结构的污泥容积指数(SVI)预测模型;克服了BP算法收敛较慢的缺陷，且有效提高了收敛精度。通过分析有毒污水对生化池相关参数的影响，提出了基于径向基函数(Radial Basis Function，RBF)神经网络的软测量方法。选取COD、DO、pH值、混合液悬浮固体浓度(Mixed Liquor Suspended Solids，MLSS)作为输入，生化池污水毒性(以致死率表示，单位为%)为输出，构建了一种面向工程应用的软测量模型，应用结果表明了该方法的有效性。

    从优化网络结构、提升实时数据处理能力的角度出发，近年来出现了一种基于主元分析(Principal Component Analysis，PCA)的人工神经网络软测量方法，并在污水处理系统中得以应用。在对PCA.ANN算法进行研究和分析的过程中，列举了大量的典型范例来说明该方法在污水处理数据分析和模拟仿真方面的优越性。另有一种被称为过程神经网络的软测量方法。其神经元由加权、聚合和激励运算3部分构成，输入与连接权值均可以是一个时间变化过程，并在传统神经元空间聚合计算的基础上增加了一个时间聚合算子。在系统阐述过程神经元计算方法的同时，提出了能够加速网络收敛速度的改进算法，建立了出水BOD的软测量计算模型。分析结果表明，采用动量项调整和自适应学习率相结合的算法有效提升了ANN的训练速度。

    3.3基于SVM的污水处理软测量技术

    Vapnik提出的支持向量机(SVM)是一种基于结构风险最小化原则的新型机器学习方法。依据泛函的相关理论，只要一种核函数K(Xi，Yi)满足Mercer条件，就会对应某一变换空间的内积。因此，在最优分类面中采用适当的内积函数就可以实现某一非线性变换后的线性分类，而计算的复杂度并未增加。对应的分类函数即为支持向量机，其一般表达式为：

    SVM的基本思想是将有限的训练样本从输入空间非线性地映射到一个高维特征空问，通过求解二次凸规划问题得到全局唯一最优解。该方法解决了一般学习方法难以解决的问题，诸如ANN易陷入局部最小的问题、过学习及算法结构、类型选择过分依赖经验等问题，从而提高了模型的泛化能力。应用于污水处理过程，多以进水水质参数pH值、COD、BOD、SS等为输入向量，出水水质参数COD、BOD、SVI等为输出向量，结合参数特性分析、惩罚参数与核函数的优化或知识约简等方法，以期确保预测精度和出水品质软测量的实时性。

    设计了一套基于InTouch―v9.5的污水处理控制系统。利用支持向量回归机与参数特性混合建模，利用BOD与COD的相关性预估出水COD，进而实现对BOD参数的软测量。通过现场调试运行，系统表现出较强的鲁棒性和可扩展性。分别运用GA和粒子群算法优化惩罚参数与核函数，以期通过最优参数建立SVM软测量模型，并以静态和动态两种方式来预测未来时刻的BOD参数。通过仿真分析，一方面显示SVM软测量的估计值较好地跟踪了BOD的变化趋势;再者，粒子群算法优化后的SVM预测结果在精度和响应速度方面优于GA―SVM模型。提出一种粗糙集(Rough Set，RS)理论与SVM相结合的出水水质参数软测量方法。利用RS作为模型的前件对属性进行约简，再利用SVM优越的泛化能力进行回归建模、预测。在出水TP、COD、SVI的预测效果方面，通过与BP、RS―RBP等方法的比较，证明了RS―SVM系统具有更佳的预测精度和实时响应特征。

    3.4虚拟仪器的应用

    虚拟现实(Virtual Reality)技术和虚拟仪器(Virtual Instruments)的出现为智能算法在软测量过程中的实现提供了平台支撑。典型的产品是Math Works公司的MATLAB和NI(National In―strument)公司的LabVIEW(Laborotory Virtual In―strument Engineering Workbench)。其中，MATLAB是目前功能最为齐全的仿真软件之一，除傅里叶变换和PID经典算法外，还包括神经网络、模糊系统、混沌理论以及小波算法等技术，为软测量模型预测与评价处理提供了充分的资源条件;Lab―VIEW则是一种基于G语言(Graphics Language)的虚拟仪器软件开发工具，前面板相当于传统检测仪器的操控面板，而框图程序相当于传统仪表的内部硬件电路，可用于软测量模型与实时监测系统的开发。除此之外，针对污水处理过程而开发的仿真器还有美国Clemson大学开发的SSSP(Simulation of Single Sludge Processes)、丹麦DHI水动力研究所的EFOR、瑞士环境科学与技术联邦协会的AQUASIM等。

    以MATLAB为开发环境，基于国际水协会(International Water Association，IWA)发布的Benchmark仿真模型，设计了一种名为WTPS(Wastewater Treatment Plant Simulator)的污水处理过程仿真器，采用最小二乘支持向量机回归(Least Squares Support Vectro Regression，LS-SVR)方法对出水水质参数(TN、COD、BOD)进行软测量预报，仿真分析论证了模型的预报精度;与此同时，还以WTPS为平台，对定值控制、溶解氧PI控制、氨氮与硝酸盐PI控制等方案进行了性能比较。通过MATLAB和LabVIEW的无缝链接，利用污水处理过程大时滞的特点，设计了一种基于ANN的出水水质插值和多步记忆结构的软测量模型。结果表明，该模型对A2/0工艺污水处理出水水质BOD，浓度具有良好的预测效果。

    4 结论与展望

    相比较而言，基于GA的软测量方法在并行优化参数方面具有一定优势;ANN的自组织和自学习特点使其具备了较强的非线性逼近能力;SVM的应用使得全局唯一最优解的获取成为可能。但是，面对污水处理过程的时变性、非线性和大纯滞后特性，基于单一智能算法的出水水质参数软测量技术都存在着一定的缺陷。随着人工智能技术、虚拟仪器和智能仪表技术的日新月异，多算法融合业已成为研究与应用的主要方向。此外，从增强软测量模型的鲁棒性、实时性以及预测精度的角度出发，过失误差处理技术和在线校正技术也应成为研究的重点。

  点击下页还有更多软测量技术论文

  软测量技术论文

     软测量技术论文篇二    软组织测量技术在研究颅颌面特征中的应用发展

    摘要：

    随着人民生活水平的提高，人们对于生活质量的要求也日益增加，患者希望通过矫治牙齿或外科手术进而改善面容的要求越来越高。对于颅颌面特征的观察、记录、测量和分析，在临床诊断、治疗计划的制定和疗效的评价中有着非常重要的意义。因此，软组织测量技术的研究和发展在这一领域发挥了重要的作用。

    人体测量学的起源与发展历史悠久，早在2000年前，中国即已进行人体测量工作[1]。系统的人体测量学方法是18世纪末由西欧一些国家的科学家创立，1912年,在日内瓦召开了第14届国际史前人类学与考古会议，规定了统一的人体测量学方法的国际标准，标志着人体测量学步入科学化和规范化的轨道。1914年,Matin在《人类学教科书》中详细阐述了人体测量学方法，在统一人体测量学标准方面起了极其重要的作用，人类测量学的发展为研究人体面部表面形态提供了依据。1780年,Camper设计了角度测量的方法来比较哺乳动物的侧貌。此后，Retzius又将人种进行了直颌型和突颌型的区分。1872年,Vanibeing等提出了著名的FH平面(眶耳平面)沿用至今。1907年,口腔颌面外科大师Angle提出人体面部的和谐比例关系，得到了许多学者的推崇。20世纪初，Simon提出了面部三平面冠状平面、正中矢状平面、眼耳平面及其同牙颌的关系，同时采用面部照相的方法进行面部测量研究[2]。20世纪30年代的定位头影测量技术和20世纪50年代丹麦学者提出的头影测量计算机技术已成为常用的临床测量方法。20世纪70年代以来，不仅增加了大量合乎实用的测量项目和新测点，更重要的是人体测量的工具和测量方法得到了质的飞跃，人们已能够跨越二维到三维空间研究颅颌面形态结构，使颌面部软组织测量更加准确、方便、适用。了解和熟悉颌面部软组织的表面解剖知识和各种测量分析方法，进而加快数字医学进程，已成为相关学科学者必须具有的基础知识和研究的重要课题。本文就软组织测量技术在研究颅颌面特征中的应用发展综述如下。

    1 二维测量法

    1.1 直接测量法：主要采用各种传统测量工具对颌面部软组织的各点、线、面之间的比例关系进行测量。国际上广泛采用的是Rudlf Matin法。该法先在被测量者面部直接用彩笔于各个测量标志作好标记，再用专用测量工具对各部位进行直线、弧线、角度、弧度等方面测量[3]。直接测量法操作简单，资料获取时间短，无需特殊复杂设备，但可能因压迫组织引起变形而使测量不精确，既不能得出整体测量的概念，又容易产生错觉。

    1.2 模型测量法：采取对面部软组织取模，然后通过机械操作灌制石膏模型，在石膏模型上测量出各标志点的各项指标。此种测量法操作繁琐，直接接触颌面部因压迫软组织引起变形，影响测量的精确性，资料保存麻烦，临床上已极少采用[4]。

    1.3 照片测量法：20世纪初，Simon首先提出用面部照像的方法对颜面进行研究[2]。1944年，Thaimean Degen从简单基础的立体照像术获得面部测量，并在临床应用。此法的主要价值是依据照片对被测对象的面部取得整体的认识，在此基础上研究面部各部分比例及形态结构特点，属二维测量。照片测量法在拍照前需设置一定的尺度和垂线等作为参照物，以备下一步的测量及放大倍数的确定。将摄取的底片制成幻灯片在幻灯机上放大成与活体等大的影像(1∶1)或直接按标志尺度和垂线放大成与活体等大的照片(1∶1)。在透明硫酸纸上描绘颜面及其器官轮廓并标记出各测量点，再利用图像数字化仪将全部标志点按编号输入电子计算机图像分析系统，求出各测量项目的值。照片测量法具有资料获取容易、软组织结构显示清楚及价廉等优点，但不能显示软硬组织之间的关系，不能提供三维立体结构的信息。目前临床常用照片作为资料保存，以便直观比较治疗前后的面部变化。包柏成等[5]利用自行研制的计算机辅助多环境下运行的容貌软组织测量分析系统,于1997年建立了广东籍汉族正常成人容貌正侧面软组织特征测量数据库。

    1.4 X线头影测量：X线头影测量技术是 Broadbent于20世纪20年代初致力研究的[6],而软组织测量技术开始兴起于20世纪50年代,并且从早期的手工测量阶段发展为后期的计算机辅助分析阶段,主要是测量 X线头颅定位照相所得到的影像,对颌面部软组织标志点描绘出一定的线、角,然后进行测量分析。目前最常用的软组织测量分析方法有 Burstone[7]，Holdaway[8]，Bishara[9]等。1978年,Ok[10]将数字图像处理技术用于X线头颅片，随之而来的是20世纪80年代开发出的数字图像处理X线头影测量系统[11-13]。该类系统通过图像输入设备，可直接将X线头颅片的图像输入计算机内并进行测量分析。数字图像处理X线头影测量系统的应用，改变了以往X线投影测量必须在头影描绘图迹上进行的方法，省去了头影图迹描绘过程。特别是经过图像灰度变换、伪彩色处理和边缘增强等图像技术，提高测量标志点的清晰度，使之准确地确定各测量标志点，保证了头影测量分析的可靠性，提高了测量的精度和效率。而X线头影测量标志点的自动识别是提高X线头影测量技术精确性的有效手段，也是当前研究的热点。有关用正侧位X线片进行三维重建及测量分析的研究已有报道，但因需要特殊设备以及计算方法复杂未能得到广泛应用。张晓等[14]于20世纪90年代研究开发出了自动X线头影测量分析系统，该系统通过对X线图像的采集、处理，使标志点的定位更加准确。但是该系统的准确性受以下因素的影响：①输入输出设备的精度，扫描仪是目前较为理想的图像输入设备，可将图像资料直接转化为数字信号输入计算机并保持较高的精度;②计算机图像分辨率的高低，一般应至少达到10241024的空间分辨率;③X线头颅片的质量。目前该系统成功地识别了软硬组织标志点共15个，还未能实现所有标志点的自动定位。姚森等[15]于2000年又研制出一种利用计算机显示器输入测量标志点和头影轮廓的分析系统，解决了目前头影测量需专用输入设备的问题。

    2 三维测量法

    随着科技的进步和高新技术的应用，三维图像重建及测量技术广泛应用于医学、物理学、化学、地质学、工业检测、有限元分析等学科和领域中。其中在医学领域的应用是最早的，它不仅提高了医疗诊断水平，同时在手术规划与模拟、解剖学教育和医学研究中发挥着重要作用。而颌面部软组织三维重建和测量在口腔正畸学、正颌外科、法医学、人类学及美学等领域有着重要意义，正日益受到临床医师的重视。

    2.1 CT辅助三维重建法：CT三维重建的基本原理是将X线的断层扫描二维图像数字信息通过三维软件处理，其中包含边缘提取(edge determination)和阴影技术(shading technique)处理，在二维显示器上显示三维重建的影像。1979年，Artzy和Herman首先介绍并应用于医疗诊断[16]。20世纪80年代,Marsh连续报道了颅颌面结构三维重建技术及有关对颅颌面畸形的诊断手术设计及术后评价。三维CT重建影像能从多个视角显示及观察，并能单独显示颅颌面某一分离的结构，同时具有精确的距离、表面积、体积及组织密度测量[17-18]。1990年以后，德国西门子等国外一些知名公司相继开发了具有三维重建功能的螺旋CT机，其原理为采用连续扫描的方式，同步采集体积数据,获得三维信息与传统CT相比,其优势为三维影像清晰，面部三维图像直观,对某一特定目标的完整记录只需一次扫描，降低了放射量，缩短了检测时间。20世纪80年代开始CT辅助建立三维图像和头颅模型被引入到颅颌面部畸形的诊断和治疗中。目前，三维CT影像重建技术不仅可以清楚地反映颅颌面部骨质结构特点，同时还可以进行软组织成像，形成面部皮肤的表面影像，利于观察骨的变化和面部畸形的关系。本法的缺点是患者需处于较高剂量的X线中，不适合颅颌面外科及正颌外科患者的长期观察和评价。设备费用昂贵，不利于普及。

    2.2 超声波三维图像测量：超声波图像是利用超声波的反射而建立的图像系统，因此，反射的超声波必须被检测出来并转化为数字化信息。这一方法的最大缺点是超声波不能穿越空气，不管是反射还是传播。这种方法还需一个特殊的探测器用来产生三维图像。

    2.3 三维立体成像技术：利用CCD摄像头或数码相机以及计算机系统获取三维立体图像，也称计算机立体视觉技术。获得的图像是真正的立体三维图像，即有三维数值。图像可以旋转，可从不同侧面观看等。

    2.3.1云纹影像测量法：云纹影像测量法又称莫尔条纹法或立体测量法。1970年由英国学者Meadous和日本学者高崎宏分别发明的一种光学图像测量技术[19-20]。基本原理是根据两个稍有参差的光栅相互重叠时产生光线几何干涉，从而会形成一系列含有面外位移信息的云纹进行测量。光线经汇聚、折射，透过基准光栅;基准光栅的影像投射到三维物体表面，由于物体表面的凹凸而受到三维调制，基准光栅的影像形成变形光栅。这两重光栅之间产生几何干涉，形成含有面外位移信息的云纹;透过基准光栅的不同角度观察时，即可看到物体表面的干涉云纹。选择合适的光学系统装置，可使干涉云纹成为物体表面的等高线。用光学记录装置拍摄记录等高云纹图，即可获得所需测量数据。测量系统由光栅投影光源、人体头颅定位装置、记录装置和计算机图像分析系统组成。被测个体拍摄前在面部涂搽香粉或白色戏剧油彩，目的是增强条纹反差，使拍摄的云纹图片条纹清晰，提高对比度。拍摄前用头颅固定装置固定头部并确定眶耳平面与地面平行;然后开启光源及光栅震动系统进行拍照;将莫尔条纹图像拍成照片，直接在照片上或将照片经数字化仪输入计算机后进行测量、数据处理及计算分析。最后由绘图仪自动描绘出立体感较强的颜面不同角度的透视立体图和剖面图，打印机输出所需参数和高程图。胡林等[21]开发研制了适用于常规口腔颌面部检查的莫尔条纹摄影实验装置，编制了莫尔条纹处理的计算机程序，并结合计算机自动制图技术进行了颜面部三维测量分析和透视立体图的重建。该法不接触人体，能记录特定部位的形态和大小，比较治疗前后的细微变化。云纹影像测量法准确、可靠，与立体摄影法有同样高的精度;单张照片可记录面部的三维信息，获取信息量大;能准确记录特定部位的形态与大小，以及比较治疗前后的微细变化，是一种很有前途值得推广的生物测量技术。然而,莫尔条纹法仍存在诸多缺陷，此方法并不十分适用于过于平缓或陡峭的平面，灵敏度较低。

    2.3.2 近景立体摄影测量术：近景立体摄影测量术是近代生物医学领域先进的测量技术之一。主要运用解析几何的原理，借助于立体摄影机和立体测图仪完成，属于生物立体测量术。立体摄影测量是运用了双目视觉的原理，即双眼将观察到的物体稍有不同的两影像送入大脑，通过综合，形成有深度、长度和宽度的立体像。同样，在立体镜下，可将两张位置不同的立体像对并列，使左眼所见的左片与右眼所见的右片形成适当的关系，则能清楚地再显示出深度。使用立体测图仪并结合现代计算机技术，可得出三维定量资料。近景立体摄影测量术的基本方法是在建立高精度控制框架(控制网)的基础上，用照相机或摄像机从不同角度摄取立体像，然后对立体像对进行技术处理，并输入计算机作统计学处理及分析。应用近景立体摄影测量术可实现美容手术方案设计、整形效果术前模拟、模型参数自动测量、图像存储美学分析等功能。为临床研究形态学和定量修复提供了先进、可靠、精确的科学分析处理手段,故立体摄影测量术已成为颌面部软组织精密测量手段之一。白玉兴等[22]利用四个高精度的数码相机获取颌面部软组织的三维信息,自行研制和开发出应用于面部重建和测量的数字化立体摄影测量硬件及软件系统，同时完成面部软组织三维测量分析和旋转观察。

    2.3.3 激光扫描：激光三维扫描测量技术提供了一种非介入性面部三维重建的方法,是目前国际上最先进的软组织测量技术[23]，Moss于 1987年采用氦氖激光获取面部的三维信息，其基本原理为激光三角法测距原理。激光束由激光发生器投照在被测者面部，被测者面部的凹凸不平致激光发生变形，产生一种表面质地和颜色的图形信息，通过一个线阵列(CCD)数码相机获取，然后通过计算机进行数据转换、运算等，显示出能任意方向旋转、比较逼真的颜面立体形态图，并可给出各种测量参数以供参考。早期的激光扫描所需时间较长，约15min，目前的激光扫描仪获取图像则只需要约6s,而且精确度可达 0.5mm以内。姚森等[24]研制出了颜面形态高精度激光三维扫描和立体形态重构系统。他们在三维扫描测量仪中设计了一个装配有激光二极管和线阵列光电偶合元件CCD的旋转框，该旋转框在沿着头颅作圆周运动的同时，可沿长轴作精细的轴向运动，准确采集出颜面部每个部分的立体信息。该方法三维测量精度高、立体重构快捷、逼真、操作简单、使用范围广，但不能扫描面部较深的倒凹，扫描过程患者需闭眼。

    2.3.4 结构光： 结构光是一种光学测量技术，其基本原理为25种不同密度的光投照在面部后发生变形，通过线阵列摄像机捕获变形的光点,经计算机软件系统识别后，利用三角形相似的原理计算确定每个光点的坐标，最后整合所有的数据资料形成三维面像图。其优点是获取数据速度快、准确度高，但因受头颅定位仪的限制，在头面部的使用不便。黄红强等[25]提出了一种基于彩色编码结构光新型三维成像技术，实验装置包括结构光发生器，图像采集系统，图像处理系统以及三维信息提取系统。这种方法以颜色作为物体三维信息的加载和传递工具，以彩色CCD摄像机作为图像获取器件，通过计算机软件处理，对颜色信息进行分析、解码、最终获取物体的面形三维数据，并以人的嘴唇模型为对象进行了具体实验，获得了较满意的结果。

    2000年，美国开发出了一种新产品―瞬间成像三维立体数码照相系统。它所照的照片是带有立体数码信息的，对所拍摄的物体和人像的每一个点都以三维坐标的形式编码，即以 X、Y、Z轴的数据点表示，也就是对每一个点来说，除了在二维定义下的长、宽概念，还有深度的概念，而且每一个点的三维坐标精度可达0.2mm以内。

    3 展望

    随着医学的进步和社会的发展，颌面部软组织的测量将应用于各个学科领域，不仅在口腔颌面外科和整形美容外科有着良好前景，在人类学、考古学、法医鉴定等众多相关领域有着非凡的应用潜力。因此，促进新测量方法的研发和应用势在必行，目前如激光全息测量法已在临床报道使用[26]。而更加高效、精确、便捷、完善的颌面部软组织测量方法仍在研究中，相信在不久的将来可以问世。

    [参考文献]

    [1]邵象清.人体测量手册[M].上海:上海辞书出版社,1985:12-96.

    [2]Chiu CSW,Clark RKF.The facial soft tissue profile of thesouthern Chinese:Prosthodontic considerations[J].J Prostnet Dent,1992,68:839-850.

    [3]张其亮.医学美容学[M].上海:上海科学技术出版社,1996:32-44.

    [4]周卫兵,许 彪,吴荣忠.颌面部软组织测量[J].中华医学美容杂志,1999,5(3):166-168.

    [5]包柏成,谭 劲,于蜀良,等.计算机辅助多环境下运行的容貌正侧面软组织测量分析系统的开发及应用.I.测量分析系统的开发[J].华西口腔医学杂志,1997,15:263-265.

    [6]林 珠,段银钟,丁 寅.口腔正畸治疗学[M].西安:世界图书出版公司,1997:3-5.

    [7]Burstone CJ.Lip posture and its significance in treatment planning[J].Am J Orthod，1967,53:262-284.

    [8]Holdaway RA.A soft tissue cephalometric analysis and its use in orthodontic treatment planning-Part I[J]. Am J Orthod,1983,84:1-28.

    [9]Bishara SE,Cummins DM,Jorgensen GJ,et al.A computerassisted photogrammetric analysis of soft tissue changes afterorthodontic treatment.Part I:Methodology and reliability[J].Am J Orthod Dentofacial Orthop,1995,107:633-639.

    [10]Ok SW,Trussrl HJ.Digital image enhancement of cephalograms[J].Angle Orthod,1978,48:80-84.

    [11]Macri V,Wenzel A.Reliability of landmark recording on filmand digital lateral cephalograms[J].Eur J Orthod,1993,15:137-148.

    [12]Coombes AM,Moss JP,Linney AD,et al.A mathematicalmethod for the comparision of three2dimensional changes inthe facial surface[J].Eru J Orthod,1991,13:95-110.

    [13]Benson PE,Richmond S.A critical appraisal of measurementof the soft tissue outline using photographs and video[J].Eur J Orthod,1997,19:397-409.

    [14]张 晓,张震康,张熙恩,等.自动X线头影测量分析系统的研究与应用[J].中华口腔医学杂志,1999,34(2): 76-79.

    [15]姚 森,黄 枫.采用计算机显示器作为输入装置的X线头影测量分析系统的研制[J].实用口腔医学杂志,2001,17(2):89-92.

    [16]沈国芳.三维CT影像学及其在头颈外科的应用[J].国外医学口腔医学分册,1990,17(2)：65-68.

    [17]Cutting C,Grayson B,Bookstein F,et al.Computer in planning and evaluation of facial and orthognathic surgery[J].Clin Plast Surg,1986,13:449.

    [18]David E,Altobelli D,John B,et al.Computer-assisted three dimensional planning in craniofacial surgery[J].Plast Reconstr Surg,1993,92(4):576.

    [19]Meadous DM.Generation of surface contour by Moire patterns[J]. Applied Optics, 1970,7:942.

    [20]Takacaki H.Moire topography[J].Applied Optics,1970,10:1467.

    [21]胡 林,詹淑珍,王大章,等.生物立体测量在诊治牙颌面畸形的应用研究近景立体摄影及计算机图象对颜面形态的三维测量分析[J].华西口腔医学杂志,1988,6:159-163.

    [22]白玉兴,郭宏铭,刘凤德,等.面部软组织三维重建及测量系统的研制与应用[J].中华口腔医学杂志,2001,36(4):298.

    [23]Cutting CB,McCarthy JG,Karron DD.Three dimensional in put of body surface data using a laser light scanner [J].J Ann Plast Surg,1988,21:38.

    [24]姚 森,林 珠,李忠科,等.颜面形态激光高精度三维扫描与重构[J].华西口腔医学杂志，1998,16(3):224-226.

    [25]黄红强,冯华君,徐之海,等.彩色结构光三维成像技术[J].浙江大学学报(工业版)，2001,35(6):588-591.

    [26]苏 方,赵铱民,潘景光.面部微笑表情状态三维数字化模型的建立[J].临床口腔医学杂志,2009,25(1):10-12.