应用于红外眼科疾病检测的瞳孔定位算法

　　摘要：在眼科疾病检测中，为了对被检测者进行快速、准确、自动化的瞳孔定位，提出一种改进径向对称变换的瞳孔中心点定位算法。首先利用灰度积分投影法结合最大类间方差法，完成对人眼图像的粗分割，并根据多团块筛选条件提取出只包含瞳孔的感兴趣区域(RegionOfInterest，ROI)。然后对ROI采用最小外接矩形结合灰度级形态学线性滤波方法，完成搜索半径范围的设置。最后，利用改进的径向对称变换算法进行瞳孔中心点定位。实验结果表明：本文算法的定位误差在8pixel以内，平均定位时间为0.366s，能够适应人眼图像中噪声干扰、采集不完整等大量非理性状态，满足多种红外眼科疾病检测设备对瞳孔定位算法的要求。

　　关键词：眼科检查；瞳孔定位；图像处理；径向对称变换

　　1引言

　　目前，全球范围内视觉健康问题严峻[1]：视力损伤或失明人数高达22亿人以上，其中至少10亿人的视力损伤问题本可预防或尚待解决。有效的眼科疾病检测对眼部疾病的预防和治疗具有重要作用。临床常用的眼科疾病检测仪器，如：光学相干层析成像仪(OpticalCoherenceTomo-graphy，OCT)[2-4]、眼底相机[5-6]等在检测之前，首先需要将仪器成像光轴对准瞳孔中心点，以保证光源发出的光经瞳孔入射到被检测者眼内。在实际操作中，尽管医护人员可通过手动调整实现对准，但是手动对准对操作者的熟练度和被检测者的配合度均有一定的要求，较为繁琐耗时。因此，自动化人眼对准显得尤为重要[7]。自动化人眼对准装置利用瞳孔定位算法获取瞳孔中心点坐标，进而借助步进电机实现成像光轴与瞳孔中心的对准，具有实时、高效、操作简单等特点。其中，瞳孔定位算法的性能对定位结影响最大，因此研究快速、准确、不受噪声和测量条件（如：局部反射光斑、眼睑眼睫毛遮挡、离焦模糊）影响的瞳孔定位算法具有重要实用价值。

　　2传统径向对称变换算法

　　径向对称变换算法是以广义对称变换为基础发展而来的一种基于梯度信息的目标检测算子。该算法根据被检测区域的梯度幅值信息和梯度方向信息构造出评价区域对称性的新指标—径向对称度，再采用投票的方式计算被检测区域中每一点在给定的搜索半径n处的径向对称度。随着搜索半径n的递增，具有径向对称特点的目标区域在对称中心处可以累加到较大的径向对称度，从而完成目标区域的检测。

　　3改进的瞳孔定位算法

　　本文首先利用灰度积分投影融合最大类间方差的方法对人眼图像进行粗分割，并结合多团块筛选条件提取出只包含瞳孔的ROI，有效避免了算法由于大范围运算导致的计算成本高、易受噪声干扰等问题。然后根据ROI的最小外接矩形和瞳孔区域间的几何关系，结合灰度级形态学线性滤波，完成了半径范围的设置，实现了参数自适应。最后，在设置的搜索半径内对ROI进行最大径向对称度计算，完成瞳孔中心点定位。算法流程如图1所示。

　　4定位实验与结果分析

　　为了验证本文算法的有效性，利用计算机硬件配置为IntelCorei5-6300HQCPU，主频为2.3GHz，4GB内存，实验平台为MATLABR2016b进行实验。利用实验室自研的瞳孔自动化对准装置采集人眼图像，实验包括了CCD相机反射像明显、离焦模糊、眼睑睫毛遮挡严重等情况，图像大小为752pixel×480pixel，结果如图6（彩图见期刊电子版）所示。图6(a)~6(d)中红色框标注的区域为ROI区域。瞳孔中心定位结果如图6(e)~6(h)所示，其中红色十字（图中和绿色十字重合）表示人工标定的瞳孔中心点（由专家手动标注，取多次标注的平均值），绿色十字表示算法标定的瞳孔中心点，白色圆圈为算法标定的瞳孔边界。从提取的ROI图像来看，灰度积分投影融合最大类间方差方法有效提取出了瞳孔区域，ROI的灰度值范围为[0,50]，边界灰度值范围为[30,50]，满足感兴趣的瞳孔-虹膜边界灰度值范围，为后续定位打下了基础。从定位结果图像来看，本文算法对存在各类噪声的人眼图像的定位结果与人工标定的中心点基本重合，说明本文算法具有较高的定位精度，对噪声有良好的鲁棒性，适用于多种情况下的瞳孔中心点定位。

　　5结论

　　本文根据红外眼科疾病检测设备对于眼部对准成像的需求，提出了一种基于径向对称变换的瞳孔中心点定位算法。首先利用灰度积分投影结合最大类间方差对人眼图像进行粗分割，并通过多团块筛选条件，完成了对人眼图像的ROI分割。再根据ROI的最小外接矩形和瞳孔区域间的几何关系，并结合灰度级形态学线性滤波，减小了睫毛遮挡对参数设置的影响，确定了搜索半径范围。最后，利用改进的径向对称变换算法进行瞳孔中心点定位。

　　参考文献:

　　[1]FLAXMANSR,BOURNERRA,RESNIKOFFS,etal..Globalcausesofblindnessanddistancevisionimpairment1990-2020:asystematicreviewandmeta-analysis[J].TheLancetGlobalHealth,2017,5(12):e1221-e1234.

　　[2]蔡怀宇，张玮茜，韩晓袍，等眼轴及眼前节SS-OCT--体化成像系统[J].红外与激光工程,2020,49(4):0413006.

　　CAIHY,ZHANGWQ,HANXY,etal..IntegratedimagingsystemofeyeaxisandanteriorsegmentbasedonSS-OCT[J].InfraredcandLaserEngineering,2020,49(4):0413006.(inChinese)

　　[3]刘珊珊,汪毅,张玮茜,等.基于SS_OCT的大范围眼轴长度测量系统[J].光子学报,2019,48(5):512002.

　　LIUSHSH,WANGY,ZHANGWQ,etal..Large-scaleaxiallengthmeasuringsystembasedonSS-OCT[J].ActaPhotonicaSinica,2019,48(5):512002.(inChinese)

　　蔡怀宇1，史玉1*，娄世良1，汪毅1，陈文光2，陈晓冬

《应用于红外眼科疾病检测的瞳孔定位算法》

上一篇：心理护理干预对眼科患者负性情绪及生活质量的影响

下一篇：日本汉方医学治疗功能性消化疾病研究