摘要：在眼科疾病檢測中，為了對被檢測者進行快速、準(zhǔn)確、自動化的瞳孔定位，提出一種改進徑向?qū)ΨQ變換的瞳孔中心點定位算法。首先利用灰度積分投影法結(jié)合最大類間方差法，完成對人眼圖像的粗分割，并根據(jù)多團塊篩選條件提取出只包含瞳孔的感興趣區(qū)域(RegionOfInterest，ROI)。然后對ROI采用最小外接矩形結(jié)合灰度級形態(tài)學(xué)線性濾波方法，完成搜索半徑范圍的設(shè)置。最后，利用改進的徑向?qū)ΨQ變換算法進行瞳孔中心點定位。實驗結(jié)果表明：本文算法的定位誤差在8pixel以內(nèi)，平均定位時間為0.366s，能夠適應(yīng)人眼圖像中噪聲干擾、采集不完整等大量非理性狀態(tài)，滿足多種紅外眼科疾病檢測設(shè)備對瞳孔定位算法的要求。

　　關(guān)鍵詞：眼科檢查；瞳孔定位；圖像處理；徑向?qū)ΨQ變換

　　1引言

　　目前，全球范圍內(nèi)視覺健康問題嚴(yán)峻[1]：視力損傷或失明人數(shù)高達22億人以上，其中至少10億人的視力損傷問題本可預(yù)防或尚待解決。有效的眼科疾病檢測對眼部疾病的預(yù)防和治療具有重要作用。臨床常用的眼科疾病檢測儀器，如：光學(xué)相干層析成像儀(OpticalCoherenceTomo-graphy，OCT)[2-4]、眼底相機[5-6]等在檢測之前，首先需要將儀器成像光軸對準(zhǔn)瞳孔中心點，以保證光源發(fā)出的光經(jīng)瞳孔入射到被檢測者眼內(nèi)。在實際操作中，盡管醫(yī)護人員可通過手動調(diào)整實現(xiàn)對準(zhǔn)，但是手動對準(zhǔn)對操作者的熟練度和被檢測者的配合度均有一定的要求，較為繁瑣耗時。因此，自動化人眼對準(zhǔn)顯得尤為重要[7]。自動化人眼對準(zhǔn)裝置利用瞳孔定位算法獲取瞳孔中心點坐標(biāo)，進而借助步進電機實現(xiàn)成像光軸與瞳孔中心的對準(zhǔn)，具有實時、高效、操作簡單等特點。其中，瞳孔定位算法的性能對定位結(jié)影響最大，因此研究快速、準(zhǔn)確、不受噪聲和測量條件（如：局部反射光斑、眼瞼眼睫毛遮擋、離焦模糊）影響的瞳孔定位算法具有重要實用價值。

　　2傳統(tǒng)徑向?qū)ΨQ變換算法

　　徑向?qū)ΨQ變換算法是以廣義對稱變換為基礎(chǔ)發(fā)展而來的一種基于梯度信息的目標(biāo)檢測算子。該算法根據(jù)被檢測區(qū)域的梯度幅值信息和梯度方向信息構(gòu)造出評價區(qū)域?qū)ΨQ性的新指標(biāo)—徑向?qū)ΨQ度，再采用投票的方式計算被檢測區(qū)域中每一點在給定的搜索半徑n處的徑向?qū)ΨQ度。隨著搜索半徑n的遞增，具有徑向?qū)ΨQ特點的目標(biāo)區(qū)域在對稱中心處可以累加到較大的徑向?qū)ΨQ度，從而完成目標(biāo)區(qū)域的檢測。

　　3改進的瞳孔定位算法

　　本文首先利用灰度積分投影融合最大類間方差的方法對人眼圖像進行粗分割，并結(jié)合多團塊篩選條件提取出只包含瞳孔的ROI，有效避免了算法由于大范圍運算導(dǎo)致的計算成本高、易受噪聲干擾等問題。然后根據(jù)ROI的最小外接矩形和瞳孔區(qū)域間的幾何關(guān)系，結(jié)合灰度級形態(tài)學(xué)線性濾波，完成了半徑范圍的設(shè)置，實現(xiàn)了參數(shù)自適應(yīng)。最后，在設(shè)置的搜索半徑內(nèi)對ROI進行最大徑向?qū)ΨQ度計算，完成瞳孔中心點定位。算法流程如圖1所示。

　　4定位實驗與結(jié)果分析

　　為了驗證本文算法的有效性，利用計算機硬件配置為IntelCorei5-6300HQCPU，主頻為2.3GHz，4GB內(nèi)存，實驗平臺為MATLABR2016b進行實驗。利用實驗室自研的瞳孔自動化對準(zhǔn)裝置采集人眼圖像，實驗包括了CCD相機反射像明顯、離焦模糊、眼瞼睫毛遮擋嚴(yán)重等情況，圖像大小為752pixel×480pixel，結(jié)果如圖6（彩圖見期刊電子版）所示。圖6(a)~6(d)中紅色框標(biāo)注的區(qū)域為ROI區(qū)域。瞳孔中心定位結(jié)果如圖6(e)~6(h)所示，其中紅色十字（圖中和綠色十字重合）表示人工標(biāo)定的瞳孔中心點（由專家手動標(biāo)注，取多次標(biāo)注的平均值），綠色十字表示算法標(biāo)定的瞳孔中心點，白色圓圈為算法標(biāo)定的瞳孔邊界。從提取的ROI圖像來看，灰度積分投影融合最大類間方差方法有效提取出了瞳孔區(qū)域，ROI的灰度值范圍為[0,50]，邊界灰度值范圍為[30,50]，滿足感興趣的瞳孔-虹膜邊界灰度值范圍，為后續(xù)定位打下了基礎(chǔ)。從定位結(jié)果圖像來看，本文算法對存在各類噪聲的人眼圖像的定位結(jié)果與人工標(biāo)定的中心點基本重合，說明本文算法具有較高的定位精度，對噪聲有良好的魯棒性，適用于多種情況下的瞳孔中心點定位。

　　5結(jié)論

　　本文根據(jù)紅外眼科疾病檢測設(shè)備對于眼部對準(zhǔn)成像的需求，提出了一種基于徑向?qū)ΨQ變換的瞳孔中心點定位算法。首先利用灰度積分投影結(jié)合最大類間方差對人眼圖像進行粗分割，并通過多團塊篩選條件，完成了對人眼圖像的ROI分割。再根據(jù)ROI的最小外接矩形和瞳孔區(qū)域間的幾何關(guān)系，并結(jié)合灰度級形態(tài)學(xué)線性濾波，減小了睫毛遮擋對參數(shù)設(shè)置的影響，確定了搜索半徑范圍。最后，利用改進的徑向?qū)ΨQ變換算法進行瞳孔中心點定位。

　　參考文獻:

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

　　[2]蔡懷宇，張瑋茜，韓曉袍，等眼軸及眼前節(jié)SS-OCT--體化成像系統(tǒng)[J].紅外與激光工程,2020,49(4):0413006.

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

　　[3]劉珊珊,汪毅,張瑋茜,等.基于SS_OCT的大范圍眼軸長度測量系統(tǒng)[J].光子學(xué)報,2019,48(5):512002.

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

　　蔡懷宇1，史玉1*，婁世良1，汪毅1，陳文光2，陳曉冬