基于图像处理的瞳孔大小检测算法研究

人眼瞳孔大小的检测技术在医学领域具有较大的研究和应用意义.采用图像处理技术开展了瞳孔大小的检测算法研究,通过对瞳孔图像进行预处理、获取图像处理区域、边缘检测、链码编码算法识别瞳孔边界、改进Hough圆拟合瞳孔及大小计算,实现了瞳孔大小的检测功能.通过对正常人眼瞳孔图像以及病变瞳孔图像检测的实验分析,算法实现的瞳孔拟合覆盖率达到85％以上,检测时间短,易于在实时系统中应用.     

基于形态学重构算法的瞳孔精确检测

针对瞳孔成像特点,提出了一种基于形态学算法的瞳孔直径精确检测方法.运用重构算法对原始图像做平滑处理,再对二值化后的图像进行交替顺序滤波,进一步修复瞳孔边缘,得到瞳孔的理想二值图像.实验结果表明,该算法适用于红外、可见光多种照度级下摄取的瞳孔像,具有较高精度.     

基于改进轮廓跟踪的瞳孔快速检测

提出一种基于直方图二值化和改进的轮廓跟踪的瞳孔检测方法。首先对采集的瞳孔图像计算直方图,根据直方图特征取出合适的阈值进行二值化,再对二值化后的图像进行轮廓跟踪,得到精确的轮廓边界,进而得到直径、中心等信息。对前一帧瞳孔图像进行瞳孔信息计算后,后一帧图像以该瞳孔中心为中心,缩小检测区域进行直方图二值化及瞳孔轮廓跟踪,得到该帧图像的瞳孔信息,减少运算,加快检测速率。该算法鲁棒性高,速度快,可满足300帧/s的实时检测速度。     

基于WinCE平台的人眼瞳孔快速精确定位的实现

针对如何提高瞳孔定位的效率和精度以改善眼睛检测类仪器结果的可靠性,本文介绍了基于Arm11硬件平台在WinCE环境下采用Directshow技术架构实现摄像头图像数据采集及实时视频图像处理分析的实践过程,并在此基础上运用先粗略图像定位再精确定位的方法实现实时人眼瞳孔精确定位。实验中采用的是基于图像灰度信息的瞳孔定位算法,在WinCE平台下成功精确地定位出瞳孔中心,该算法简单高效适用于嵌入式平台环境下,在WinCE环境下运用此算法成功实现了15fps的实时瞳孔定位。     

基于改进YOLOv3的瞳孔屈光度检测方法

针对瞳孔区域屈光度识别准确率低、检测效率低等问题,本文提出一种基于改进YOLOv3深度神经网络的瞳孔图像检测算法。首先构建用于提取瞳孔主特征的二分类检测网络YOLOv3-base,强化对瞳孔特征的学习能力。然后通过迁移学习,将训练模型参数迁移至YOLOv3-DPDC（Deep Pupil Diopter Classify）,降低样本数据分布不均衡造成的模型训练困难以及检测性能差的难题,最后采用Fine-tuning调参快速训练YOLOv3多分类网络,实现了对瞳孔屈光度快速检测。通过采集的1200张红外瞳孔图像进行实验测试,结果表明本文算法屈光度检测准确率达91.6%,检测速度可达45 fps,优于使用Faster R-CNN进行屈光度检测的方法。     

面向近眼式应用的快速瞳孔中心定位算法

针对Hough圆变换、最小二乘法椭圆拟合瞳孔中心定位算法中运算量大的问题,提出一种基于椭圆外切矩形的快速瞳孔中心定位算法。该算法从人眼图像中通过阈值分割得到瞳孔区域,对瞳孔区域进行边缘像素点的提取,然后利用椭圆外切矩形模型定位出瞳孔中心。通过Matlab对中国科学院自动化研究所公开的虹膜数据库中756张人眼图像进行遍历实验验证,所提算法定位准确率为98.3%,平均用时0.192 s。在同等条件下,与Hough圆变换、最小二乘法椭圆拟合算法进行对比,在保证定位准确率的同时,所提算法平均用时更少。实验结果表明,所提算法能够快速准确地完成瞳孔的中心定位。     

基于Gabor滤波和K-medoid聚类分析的人眼检测和瞳孔定位

针对人眼检测过程中存在的表情、光照和眼镜遮挡 等干扰因素的影响,提出一种基于Gabor滤波和 K-medoid聚类分析的人眼检测和瞳孔定位方法。首先采用鲁棒性较好的眼部横向特征作为 检测对象来设计了Gabor 滤波器,以突出眼部的横向特征;然后根据Gabor滤波后的眼部特征,并结合K-medoid算法 设计了聚类算法检测人眼;在人眼检测基础上,结合灰度分布特征和熵函数设计了瞳孔定 位方法。在BioID人脸库和FERET彩色人脸 库上进行了实验,结果表明,本文方法在两个图库的3470幅人脸图像 上能够达到97.8%的检 测率,并且在设置误差阈值较小(0.15)情况下仍能达到95.5%的瞳孔定位准确率。     

光刺激下瞳孔图像动态采集系统的研发

瞳孔动态变化特性是一个不受人的主观意愿影响的客观生理参数。针对人体疲劳客观参量检测中对瞳孔动态图像采集的特殊要求,研制了光刺激下的瞳孔动态图像采集系统。主要介绍系统的组成及其设计思路,重点介绍了光刺激器原理、各模块组成及具体的设计方法。实验表明,该系统能够对艟孔动态图像进行有效地采集,为寻找表征疲劳的特征参数奠定了基础...     

基于网络摄像头的实时瞳孔追踪系统设计

系统直接用网络摄像头采集影像,完成瞳孔追踪,结合了Haar人脸检测和基于梯度的瞳孔中心检测算法,且在原梯度检测算法上提出了改进方法,从K条径向辐射方向寻找虹膜边缘以及其关键梯度,并进一步调整K条径向直线的分布范围。实验验证表明,该算法效率高,能适应眼球在被遮挡的情况下的瞳孔检测,系统对硬件和环境均无特殊要求,追踪可以达到实时,并有良好的精度。     

基于Hough变换的瞳孔识别方法研究与实现

研究了一种改进的基于Hough变换圆检测的瞳孔识别方法。直接利用Hough变换圆检测进行瞳孔识别准确度低、运算量大,为此,本文提出了改进的识别方法。在实现Canny边缘检测的基础上,利用Hough变换进行求解时,限定检测的半径范围,在此范围内,根据参数空间圆的方程,求出对应的圆心坐标,得到最佳拟合圆,最终实现瞳孔识别以及中心点定位。在vc++6.0开发平台下,对150幅图像进行瞳孔识别检测实验,结果显示,直接利用Hough变换检测方法的准确率为70.7%,平均速度为1 s;本方法的准确率为94%,平均速度为0.45 s,可见相较于直接利用Hough变换进行瞳孔识别,本文方法在识别准确率和识别速度方面均有显著提高。结果表明,此方法能够快速而准确地进行瞳孔识别以及中心点定位。