计算机辅助颅面复原是一个结合现代解剖学,以计算机为工具,进行数字化颅面复原的新兴技术,应用前景广泛。相关领域专家和学者们在颅面复原算法上已经展开多年研究,但颅面复原中的相似度计算研究仍欠缺不足。本文以深度学习中的卷积神经网络作为基础研究方法,根据实验数据特点,搭建了四种不同的卷积神经网络结构,实现了基于卷积神经网络的多元颅面相似度计算方法。具体研究内容如下:1.实现了一种基于深度图的三维信息到二维信息的映射方法。该方法将三维颅面的点云数据,利用降维投影、分块处理、插值修补以及归一化等处理,构建对应的带有深度信息的二维深度图,既保持了原有数据的三维特征,且在数据处理和训练上体现二维信息的便捷性。2.提出了一个基于八层卷积神经网络的颅面相似度计算方法。该方法根据输入数据的反复实验测试结果,搭建了一个“卷积层-下采样层-卷积层-下采样层-局部连接层-局部连接层-全连接层-softmax输出层”结构的卷积神经网络,实验设定网络学习速率和各层参数,实现了颅面相似度计算的自动化。实验证明,与常用的颅面相似度计算方法相比,该方法实现自动化程度高,无需进行特征点标定及特征计算等工作,且准确度高,效率也有大幅提升。3.实现了一种基于RGB-D方法的颅面数据融合方法。该方法将三维颅面数据所构建的深度图和二维颅面数据进行加权融合,设定深度信息作为第四维度,克服了单一数据形式的局限性,提高了颅面相似度计算精度。4.设计了一个基于卷积神经网络的颅面相似度计算系统,该系统实现数据训练、卷积神经网络可视化、颅面相似度计算等功能。