CN109359503A - 瞳孔识别图像处理方法 - Google Patents

瞳孔识别图像处理方法 Download PDF

Info

Publication number
CN109359503A
CN109359503A CN201810926806.1A CN201810926806A CN109359503A CN 109359503 A CN109359503 A CN 109359503A CN 201810926806 A CN201810926806 A CN 201810926806A CN 109359503 A CN109359503 A CN 109359503A
Authority
CN
China
Prior art keywords
pupil
center
core
iris
processing method
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810926806.1A
Other languages
English (en)
Other versions
CN109359503B (zh
Inventor
陈浩
于航
王毅
朱豫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
WENZHOU BIOMEDICAL MATERIALS AND ENGINEERING RESEARCH INSTITUTE
Original Assignee
WENZHOU BIOMEDICAL MATERIALS AND ENGINEERING RESEARCH INSTITUTE
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by WENZHOU BIOMEDICAL MATERIALS AND ENGINEERING RESEARCH INSTITUTE filed Critical WENZHOU BIOMEDICAL MATERIALS AND ENGINEERING RESEARCH INSTITUTE
Priority to CN201810926806.1A priority Critical patent/CN109359503B/zh
Publication of CN109359503A publication Critical patent/CN109359503A/zh
Application granted granted Critical
Publication of CN109359503B publication Critical patent/CN109359503B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/19—Sensors therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/193—Preprocessing; Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/197—Matching; Classification

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Ophthalmology & Optometry (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Eye Examination Apparatus (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种瞳孔识别图像处理方法，其通过核心瞳孔平移测量获得瞳孔中心及瞳孔长短轴参数；通过核心视轴偏移测量获得反光点的圆心及两个反光点的中心；通过核心虹膜旋转测量获得虹膜旋转角度；核心瞳孔平移测量包括以下步骤：1‑1、输入采集到的眼睛图像；1‑2、二值化寻找潜在瞳孔区域；1‑3、Blob形状分析去除明显非瞳孔区域；1‑4、对椭圆形区域通过椭圆拟合获得瞳孔中心及长短轴参数。本发明在瞳孔基础参数的识别上，根据核心视轴的偏移大小和虹膜旋转角度进一步提升对瞳孔识别的精确度，确保了近视眼激光手术能更加精确地在角膜的特定部位进行操作。

Description

瞳孔识别图像处理方法
技术领域
本发明涉及眼科医学图像处理方法，尤其涉及一种瞳孔识别图像处理方法。
背景技术
角膜是光线进入眼球的第一道关口。其屈光力为42D左右，占眼球表面积的1/6，直径为11.5毫米，中央厚0.6毫米，旁边厚1毫米。俗称"黑眼珠"，其实它透明无瑕，只是由于眼球壁的其他部分好像照相机的暗箱、当人们通过这层透明组织看黝黑的眼内时，才产生黑的感觉，角膜组织分5层：上皮层、前弹力层、基质层、后弹力层、内皮细胞层。
瞳孔是虹膜围成的孔隙，是人眼光学系统的重要组成部分。其主要功能是通过改变大小维持不同照明环境下进入眼底光线的稳定。此外，瞳孔大小对眼睛成像的焦深及全眼像差也有很大的影响。
在近视眼激光手术中，角膜切削中心的定位和保持是至关重要的。但由于角膜呈透明状，因此近视眼激光手术中，为了便于操作，通常通过识别瞳孔中心来进行角膜切削中心的定位。然而，现阶段的技术手段在精准度等方面还存在一定问题。其具体处理方法，还有待提升。
因此，本领域的技术人员致力于开发一种瞳孔识别图像处理方法。
发明内容
有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提供一种高精度瞳孔识别图像处理方法。
具体技术方案是：一种瞳孔识别图像处理方法通过核心瞳孔平移测量获得瞳孔中心及瞳孔长短轴参数；通过核心视轴偏移测量获得反光点的圆心及两个反光点的中心；通过核心虹膜旋转测量获得虹膜旋转角度；
核心瞳孔平移测量包括以下步骤：1-1、输入采集到的眼睛图像；1-2、二值化寻找潜在瞳孔区域；1-3、Blob形状分析去除明显非瞳孔区域；1-4、对椭圆形区域通过椭圆拟合获得瞳孔中心及长短轴参数。本发明中所涉及的反光点是测量装置上设置的两个圆形点状光源在角膜上的对应反光。
进一步地，核心视轴偏移测量包括以下步骤：2-1、输入采集到的眼睛图像；2-2、二值化寻找潜在亮区；2-3、Blob形状分析去除明显反光点区域；2-4、对圆形区域通过圆拟合获得两个反光点的圆心，求得两个反光点的中心。
进一步地，核心虹膜旋转测量包括以下步骤：3-1、输入采集到的眼睛图像以及瞳孔位置大小参数；3-2、根据已知正面相机的旋转角度对图像进行旋转；3-3、根据瞳孔中心位置对虹膜图像进行极坐标变换；3-4、灰度归一化；3-5、将第一帧图片根据灰度投影及虹膜纹理选取特征点并记录特征点；3-6、将第n帧图片与记录的特征点进行特征匹配，求出虹膜旋转角度；其中，n为大于1的整数。
进一步地，用相机采集眼睛图像。
进一步地，眼睛图像为bmp或jpeg格式。
进一步地，眼睛图像可以是相同分辨率或不同分辨率的。
技术效果
本发明通过核心瞳孔平移测量获得瞳孔中心及瞳孔长短轴参数，从而对瞳孔进行了基础参数的识别。通过核心视轴偏移测量获得反光点的圆心及两个反光点的中心，将两个反光点的中心与前述测得的瞳孔中心进行比较，根据两中心的位移计算出核心视轴的偏移大小。通过核心虹膜旋转测量获得虹膜旋转角度。由于瞳孔是虹膜围成的孔隙，角膜是透明无瑕的，无法直接测量瞳孔和角膜的旋转角度，因此需要通过虹膜旋转角度来反应瞳孔的旋转和角膜的旋转。
根据核心视轴的偏移大小和虹膜旋转角度，在瞳孔基础参数的识别上进一步提升对瞳孔识别的精确度，确保了近视眼激光手术能更加精确地在角膜的特定部位进行操作。
寻找潜在瞳孔区域及blob形状分析大幅度提高了图像处理时间，采用二值化算法使得瞳孔定位更加精确，从而实现了在复杂背景下对病人瞳孔的实时跟踪、分析，为后续求得眼睛屈光参数提供了可靠的基础数据。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。
附图说明
图1是本发明的核心瞳孔平移测量的流程图；
图2是通过本发明的核心瞳孔平移测量识别到瞳孔中心的眼睛图片；
图3是本发明的核心视轴偏移测量的流程图；
图4是通过本发明的核心视轴偏移测量识别到反光点圆心及两个反光点中心的眼睛图片；
图5是本发明的核心虹膜旋转测量的流程图；
图6是通过本发明的核心虹膜旋转测量识别到旋转角度的眼睛图片：其中，a是第一帧虹膜图像，b是第二帧虹膜图像，c是第一帧极坐标虹膜图像，d是第二帧极坐标虹膜图像，e是局部的第二帧极坐标虹膜图像。
具体实施方式
首先用相机采集眼睛图像，保存为压缩率较低的文件格式，例如bmp或者jpeg格式，保证图像具有更多的局部细节。
接下来的步骤中，对相机采集的眼睛图像作处理，如图1所示。首先输入采集到的眼睛图像。然后，采用二值化方法寻找潜在瞳孔区域，并通过Blob形状分析去除明显非瞳孔区域。接着，判断是否为椭圆。不是椭圆，则判断该区域不是瞳孔。是椭圆，则对椭圆形区域通过椭圆拟合获得瞳孔中心及长短轴等瞳孔参数，并输出瞳孔参数，完成核心瞳孔平移测量。瞳孔参数包括瞳孔中心坐标、瞳孔长短轴参数、角度，用瞳孔参数来定位瞳孔位置。瞳孔中心位于椭圆形(包括圆形)的中心。图2是通过本发明的核心瞳孔平移测量识别到瞳孔中心的眼睛图片，图上的十字交叉点表示瞳孔中心。
在平面直角坐标系中，椭圆可以有多种形态。几何学上，从原点出发的射线逆时针旋转，射线与x轴正向的角度可定义为射线的角度。本发明参照上述知识定义椭圆角度(即瞳孔角度)，先使坐标原点与椭圆中心重合，在坐标系第一象限或第二象限的长轴与坐标x轴正向之间的夹角，定义为椭圆角度，此角度可以是0～180°之间的任意值。当椭圆角度是0°或180°时，椭圆长轴与x轴重合；当椭圆角度为90°时，椭圆长轴与y轴重合。当长轴和短轴长度一致时，这是椭圆的特例——即为圆，定义圆的位置只需圆心和半径，角度失去作用。瞳孔参数包括瞳孔中心坐标、瞳孔长短轴参数、角度，用这几个数值可限定瞳孔位置、形状和大小，完成跟踪测量。
如图3所示，核心视轴偏移测量同样先输入采集到的眼睛图像。然后，二值化寻找潜在亮区(即反光点)。接着，Blob形状分析去除明显反光点区域。根据被去除的反光点区域是否为圆形判断是否为反光点。若不是圆形，则不是反光点；若是圆形，则对圆形区域通过圆拟合获得两个反光点的圆心，并求得两个反光点的中心；最后输出反光点圆心及两个反光点的中心。两个反光点的中心即连接两个反光点的圆心的线段的中心。比较瞳孔中心和两个反光点的中心之间的位差，可以判断眼睛视轴是否发生偏移，以及测得视轴偏移的数值。图4是通过本发明的核心视轴偏移测量识别到反光点圆心及两个反光点中心的眼睛图片，图中的两个白色圆形是两个反光点，两个黑色十字的交叉点为两个反光点的圆心，白色十字的交叉点是两个反光点的中心。
如图5所示，核心虹膜旋转测量，首先输入采集到的眼睛图像以及瞳孔位置大小参数。其次，根据已知正面相机的旋转角度对图像进行旋转。然后，根据瞳孔中心位置对虹膜图像进行极坐标变换，并灰度归一化。将第一帧图片根据灰度投影及虹膜纹理选取特征点并记录特征点；将第n帧图片与记录的特征点进行特征匹配，求出虹膜旋转角度。其中，n为大于1的整数。图6是通过本发明的核心虹膜旋转测量识别到旋转角度的眼睛图片：其中，a是第一帧虹膜图像，b是第二帧虹膜图像，c是第一帧极坐标虹膜图像，d是第二帧极坐标虹膜图像，e是局部的第二帧极坐标虹膜图像。图6中的灰色圆圈所圈住的图案是提取的虹膜上的特征点，图6d上的特征点相对于图6c上的特征点向下移动了一段距离，即旋转角度在极坐标体现。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (6)

1.瞳孔识别图像处理方法，其特征在于，通过核心瞳孔平移测量获得瞳孔中心及长短轴参数；通过核心视轴偏移测量获得反光点的圆心及两个所述反光点的中心；通过核心虹膜旋转测量获得虹膜旋转角度；
所述核心瞳孔平移测量包括以下步骤：1-1、输入采集到的眼睛图像；1-2、二值化寻找潜在瞳孔区域；1-3、Blob形状分析去除明显非瞳孔区域；1-4、对椭圆形区域通过椭圆拟合获得瞳孔中心及长短轴参数。
2.根据权利要求1所述的瞳孔识别图像处理方法，其特征在于，所述核心视轴偏移测量包括以下步骤：2-1、输入采集到的眼睛图像；2-2、二值化寻找潜在亮区；2-3、Blob形状分析去除明显反光点区域；2-4、对圆形区域通过圆拟合获得两个反光点的圆心，求得两个所述反光点的中心。
3.根据权利要求1或2所述的瞳孔识别图像处理方法，其特征在于，所述核心虹膜旋转测量包括以下步骤：3-1、输入采集到的眼睛图像以及瞳孔位置大小参数；3-2、根据已知正面相机的旋转角度对图像进行旋转；3-3、根据瞳孔中心位置对虹膜图像进行极坐标变换；3-4、灰度归一化；3-5、将第一帧图片根据灰度投影及虹膜纹理选取特征点并记录所述特征点；3-6、将第n帧图片与记录的所述特征点进行特征匹配，求出虹膜旋转角度；其中，n为大于1的整数。
4.根据权利要求1所述的瞳孔识别图像处理方法，其特征在于，用相机采集眼睛图像。
5.根据权利要求1所述的瞳孔识别图像处理方法，其特征在于，眼睛图像为bmp或jpeg格式。
6.根据权利要求l所述的瞳孔识别图像处理方法，其特征在于，眼睛图像可以是相同分辨率或不同分辨率的。
CN201810926806.1A 2018-08-15 2018-08-15 瞳孔识别图像处理方法 Active CN109359503B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810926806.1A CN109359503B (zh) 2018-08-15 2018-08-15 瞳孔识别图像处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810926806.1A CN109359503B (zh) 2018-08-15 2018-08-15 瞳孔识别图像处理方法

Publications (2)

Publication Number Publication Date
CN109359503A true CN109359503A (zh) 2019-02-19
CN109359503B CN109359503B (zh) 2022-07-01

Family

ID=65349968

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810926806.1A Active CN109359503B (zh) 2018-08-15 2018-08-15 瞳孔识别图像处理方法

Country Status (1)

Country Link
CN (1) CN109359503B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110096978A (zh) * 2019-04-18 2019-08-06 温州医科大学 基于机器视觉的偏心摄影验光图像处理的方法
CN111462156A (zh) * 2020-03-30 2020-07-28 温州医科大学 获取角膜顶点的图像处理方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101034434A (zh) * 2007-04-10 2007-09-12 杭州电子科技大学 基于双眼虹膜的身份识别方法
CN102043954A (zh) * 2011-01-30 2011-05-04 哈尔滨工业大学 一种基于相关函数匹配的快速稳健的虹膜识别方法
CN102902967A (zh) * 2012-10-16 2013-01-30 第三眼（天津）生物识别科技有限公司 基于人眼结构分类的虹膜和瞳孔的定位方法
CN104050667A (zh) * 2014-06-11 2014-09-17 温州眼视光发展有限公司 瞳孔跟踪图像处理方法
US8860660B2 (en) * 2011-12-29 2014-10-14 Grinbath, Llc System and method of determining pupil center position
CN104636648A (zh) * 2013-11-15 2015-05-20 英业达科技有限公司 虹膜解锁系统及其方法
CN105955465A (zh) * 2016-04-25 2016-09-21 华南师范大学 一种桌面便携式视线跟踪方法及装置
CN106919933A (zh) * 2017-03-13 2017-07-04 重庆贝奥新视野医疗设备有限公司 瞳孔定位的方法及装置
CN107292242A (zh) * 2017-05-31 2017-10-24 华为技术有限公司 一种虹膜识别方法和终端
EP3284395A1 (en) * 2016-08-10 2018-02-21 Fujitsu Limited Line-of-sight detection device, line-of-sight detection method, and line-of-sight detection program
US9940518B1 (en) * 2017-09-11 2018-04-10 Tobii Ab Reliability of gaze tracking data for left and right eye

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101034434A (zh) * 2007-04-10 2007-09-12 杭州电子科技大学 基于双眼虹膜的身份识别方法
CN102043954A (zh) * 2011-01-30 2011-05-04 哈尔滨工业大学 一种基于相关函数匹配的快速稳健的虹膜识别方法
US8860660B2 (en) * 2011-12-29 2014-10-14 Grinbath, Llc System and method of determining pupil center position
CN102902967A (zh) * 2012-10-16 2013-01-30 第三眼（天津）生物识别科技有限公司 基于人眼结构分类的虹膜和瞳孔的定位方法
CN104636648A (zh) * 2013-11-15 2015-05-20 英业达科技有限公司 虹膜解锁系统及其方法
CN104050667A (zh) * 2014-06-11 2014-09-17 温州眼视光发展有限公司 瞳孔跟踪图像处理方法
CN105955465A (zh) * 2016-04-25 2016-09-21 华南师范大学 一种桌面便携式视线跟踪方法及装置
EP3284395A1 (en) * 2016-08-10 2018-02-21 Fujitsu Limited Line-of-sight detection device, line-of-sight detection method, and line-of-sight detection program
CN106919933A (zh) * 2017-03-13 2017-07-04 重庆贝奥新视野医疗设备有限公司 瞳孔定位的方法及装置
CN107292242A (zh) * 2017-05-31 2017-10-24 华为技术有限公司 一种虹膜识别方法和终端
US9940518B1 (en) * 2017-09-11 2018-04-10 Tobii Ab Reliability of gaze tracking data for left and right eye

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
LAURA SESMA 等: "Evaluation of Pupil Center-Eye Corner Vector for Gaze Estimation Using a Web Cam", 《PROCEEDINGS OF THE SYMPOSIUM ON EYE TRACKING RESEARCH AND APPLICATIONS》 *
李东平 等: "《基于普尔钦斑点的人眼视线方向检测》", 《光学技术》 *
王莉: "《视线追踪技术在人机交互中的应用》", 《中国优秀硕士学位论文全文数据库信息科技辑》 *
王雪: "用于虹膜识别的旋转角度估计算法研究", 《万方》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110096978A (zh) * 2019-04-18 2019-08-06 温州医科大学 基于机器视觉的偏心摄影验光图像处理的方法
WO2020211174A1 (zh) * 2019-04-18 2020-10-22 温州医科大学 基于机器视觉的偏心摄影验光图像处理的方法
CN111462156A (zh) * 2020-03-30 2020-07-28 温州医科大学 获取角膜顶点的图像处理方法
CN111462156B (zh) * 2020-03-30 2023-03-31 温州医科大学 获取角膜顶点的图像处理方法

Also Published As

Publication number Publication date
CN109359503B (zh) 2022-07-01

Similar Documents

Publication Publication Date Title
Belin et al. The PAR technology corneal topography system
US7434931B2 (en) Custom eyeglass manufacturing method
US7845797B2 (en) Custom eyeglass manufacturing method
US5953100A (en) Multi-camera corneal analysis system
CN110279391B (zh) 便携红外相机视力检测算法
JP4792190B2 (ja) 選択的な角膜収差測定
CN109068973B (zh) 用于白内障手术的可拆卸微型显微镜安装的角膜曲率计
US9861279B2 (en) Method and device for determining the eye position
JP2004518497A (ja) 前眼部における距離決定方法
JP2002219106A (ja) 瞳孔計測装置、屈折矯正装置および瞳孔計測方法
KR20200006621A (ko) 근거리 시력 지점을 결정하기 위한 방법, 장치 및 컴퓨터 프로그램
Di et al. Edge detection and mathematic fitting for corneal surface with Matlab software
Gairola et al. SmartKC: smartphone-based corneal topographer for keratoconus detection
CN109359503A (zh) 瞳孔识别图像处理方法
JP2006095008A (ja) 視線検出方法
CN104050667A (zh) 瞳孔跟踪图像处理方法
CN108371541B (zh) 一种用于检测与校准眼科成像、眼科生物参数测量仪器的工具
JP3711053B2 (ja) 視線測定装置及びその方法と、視線測定プログラム及びそのプログラムを記録した記録媒体
JP2013048902A (ja) 眼科分析機器及び方法
CN104720740B (zh) 利用裂隙灯测角膜曲率分布和厚度分布的方法
JP2021521935A (ja) 眼球生体測定システム
US20220215584A1 (en) Apparatus for Calibrating Retinal Imaging Systems and Related Methods
CN114638879A (zh) 一种医用的瞳孔大小测量系统
CN114727755A (zh) 用于评估泪膜的稳定性的方法
Coghill et al. Stereo vision based optic nerve head 3D reconstruction using a slit lamp fitted with cameras: performance trial with an eye phantom

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant