导读:本文包含了瞳孔中心定位论文开题报告文献综述及选题提纲参考文献，主要关键词:眼底筛查,瞳孔识别,圆近似,自动对准
瞳孔中心定位论文文献综述
王晶,高峰,李婉越,史国华[1]（2019）在《瞳孔中心点自动定位与对准装置》一文中研究指出为了辅助无人值守式眼底筛查设备在不同光照环境下自动进行眼底成像,搭建了瞳孔中心点自动定位与对准装置,并提出了一种基于圆近似模型的算法来实现瞳孔中心点的自动定位。首先,使用二值化、轮廓提取与填充等方法对图像进行了预处理,以消除噪声和光斑对后续处理的影响;接着,使用本文提出的新型的圆近似算法来实现瞳孔中心点的精准定位;最后,根据定位的瞳孔中心点位置,来控制步进电机移动平移台,从而实现图像采集视场中心和瞳孔中心的对准。为验证有效性,将文中算法、传统Hough圆算法及改进的Hough圆算法在定位精度、平均定位时间上进行了比较。本文算法的定位精度为93.33%,平均定位时间为95.67ms,比传统Hough圆检测定位精度提高了约3.5倍,定位时间减少了约68.86%,比改进的Hough圆算法检测定位精度提高了约2倍,定位时间减少了约63.11%。实验结果表明,该系统在光照参量无法严格控制的拍摄环境下,对瞳孔自动定位与对准的准确度和计算效率均有显着地提升。基本满足无人值守式眼底筛查设备的实时性、精确性、鲁棒性要求,有助于无人值守式眼底筛查设备的推广。(本文来源于《光学精密工程》期刊2019年06期）
闫蓓,吴梦瑶[2]（2018）在《低分辨率图像中的瞳孔中心精确定位方法》一文中研究指出针对低分辨率图像中瞳孔边缘模糊、瞳孔受上下眼睑遮挡等问题,提出了一种由粗及精的瞳孔中心精确定位方法,该方法主要使用瞳孔的几何特征和人眼的方向信息进行定位。首先基于显式形状回归方法提取人脸特征点,根据人眼特征点粗定位瞳孔中心;其次根据半径搜索范围,采用射线法提取准确的瞳孔边缘,通过改进的随机抽样一致性算法剔除伪边界点,基于最小二乘法精确定位瞳孔中心。最后本文算法在自制人脸库和公开人脸库BioID上进行了验证,瞳孔中心精确定位准确率为82.2%。结果表明该算法能够克服头部姿势变化和眼睑遮挡等问题,与其他算法相比表现出良好的鲁棒性和准确性。(本文来源于《电子测量技术》期刊2018年16期）
周玉景[3]（2016）在《人脸检测及瞳孔中心定位研究》一文中研究指出目前,人眼检测已经成为了计算机视觉领域的一个研究热点,在视线追踪、人机交互、疾病诊断、工业工程与人因分析、心理学、生理学等方面都具有广泛的应用。当前视线追踪技术的应用对人眼定位的准确性的要求更加严格。本文的人眼检测及瞳孔中心定位是在人脸检测的基础上进行的,联合积分投影与径向对称变换算法对人眼进行由粗到细的定位,改进了传统的人脸及人眼检测方法,深入研究了人脸、人眼检测及定位,瞳孔中心定位的相关问题。本文主要完成的工作如下：1.人脸检测与定位对传统的YCbCr颜色空间下的椭圆肤色模型进行分析,提出了一种自适应亮度阈值的椭圆肤色模型。首先把RGB真彩色人脸图像转换到YCbCr色彩空间；然后利用自适应亮度阈值的椭圆肤色模型进行肤色分割；最后采用形态学开运算与面积滤波法进行背景中的伪肤色区域的滤除,用矩形框标出人脸区域。实验表明,本文提出的改进的肤色模型改善了肤色分割效果。2.人眼检测与定位针对直接利用水平垂直积分投影进行人眼检测时,投影曲线受噪声的干扰太大,曲线变化不规则,很难通过投影曲线直接对人眼进行精确位置定位等问题,提出了一种联合积分投影与径向对称变换对人眼进行由粗到精的定位算法。首先利用水平积分投影在检测出的人脸区域检测出大致的眼睛候选区域,对人眼进行粗略的定位；然后再利用径向对称变换在检测出的左右眼区域对瞳孔中心进行定位,即人眼的精定位。实验表明,本文提出的算法与传统积分投影算法相比,提高了人眼定位的准确率。(本文来源于《广西大学》期刊2016-05-01）
韩蕙佚[4]（2016）在《基于星射线模型和高密度连通区域聚类的瞳孔中心定位算法》一文中研究指出近年来,信息技术飞速发展,它的应用也遍布人们生活的各个领域。人们利用计算机领域内的前沿技术服务于社会、经济、资源、环境等各方面。而在这些活动中,人机交互都将是永远的主题。鉴于它对社会发展、人类进步如此重要,人们便开始研究如何实现自然、便利和无所不在的人机交互。它将会成为现代科技领域研究的至高目标,它的创新也必将引领新的技术潮流。而眼球跟踪定位算法在人机交互领域内具有很重要的应用,且存在很大的发展空间。另外,医学研究领域,瞳孔的准确定位,以及眼球运动的跟踪会对一些眼睛疾病和脑部神经疾病提供新的治疗方案,也会给医生带来更精准和更便捷的诊疗。乃至整个医学界,也必将带来重大的突破。并且,身份认证领域,生物识别系统成长迅速。网络世界的越发纷杂,导致客户私密信息的泄露越来越频繁,这就对各个场合的身份认证系统要求越来越高。近几年,虹膜识别系统的研究获得了大量研究者的关注,在此基础之上,他们也意识到,瞳孔中心定位算法的改进也是不可忽视的部分。就目前公开的算法而言,可以看出在此方面已经有很大的改进和突破,但是仍然存在一些不足,仍有很大的进步空间。像处理噪声,比如离轴畸变、生理畸变以及毛发和眼睑的遮挡,这些复杂条件往往会导致算法定位的不理想。然而,在此方面,虽然也有一些研究,但是还不能达到想要的理想效果,所以瞳孔中心定位算法仍然面临巨大的挑战。另外,算法中眼部图像的处理也是很重要的一点,想要保证算法的高性能,必须保证眼部图像的高质量。针对目前定位算法的不足,本文根据人体眼部的生理特征,结合信息技术领域内的先进技术,提出了一种高精度、高效率、高鲁棒性的瞳孔中心定位算法。算法运行时,首先采用本文第二章介绍的视频采集设备采集眼球运动视频,然后读取每段视频的每一帧图像,压缩成768*342像素,接着采用由图像的Haar特征训练的最佳Adaboost强分类器,圈定感兴趣区域(ROI)。然后进行眼部图像感兴趣区域反光点的检测和填充。对填充好的感兴趣区域采用星射线模型进行瞳孔边缘特征点的检测,同时对检测到的边缘候选特征点进行基于高密度连通区域的特征点聚类,最后采用随机抽样一致性(RANSAC)算法进行瞳孔边缘的椭圆拟合。实验结果部分,为了评估法算法的性能,我们对这些视频每帧图像定位的准确率和平均执行时间进行统计,并将结果与目前流行的算法比较,可知本文算法具有较高的性能。(本文来源于《兰州大学》期刊2016-05-01）
王德朋,娄震[5]（2016）在《一种融合Hough变换和ASM定位瞳孔中心点方法》一文中研究指出特征点的准确定位是机器视觉和模式识别的关键技术之一.主动形状模型(ASM)是一种传统的图像特征点定位算法,具有较高的精确性和鲁棒性.为了提高ASM人脸瞳孔特征点定位的精确度,提出了使用Hough变换方法来改进瞳孔特征点的定位.通过ASM算法,初步定位出瞳孔特征点,并使用Sobel算子对图像进行边缘检测,然后在人眼位置选择一个合适的窗口使用Hough圆检测,找出精确瞳孔点相对于ASM初步定位瞳孔点的偏移量.在实验室采集的人脸图像上的对比实验表明,该方法能够显着的改善ASM人眼瞳孔特征点定位准确性.由于使用了初定位进行了搜索范围的限制,计算量也得到了有效的控制.(本文来源于《计算机系统应用》期刊2016年03期）
贾彩琴,杨剑[6]（2015）在《基于HEIV算法改进的瞳孔中心定位》一文中研究指出针对瞳孔中心定位的精确度问题,采用基于AdaBoost的人脸检测算法确定人脸区域与初始眼睛位置,由于人眼轮廓具有的特征,以椭圆为模型,用Sobel算子边缘检测眼睛区域,进行椭圆拟合来获取眼睛的轮廓线,将椭圆拟合的中心点作为瞳孔的精确位置。为提高定位的精确度,提出异方差(heteroscedastic errors-in-variables,HEIV)方法来实现瞳孔中心定位,较最小二乘法更加精确。实验结果表明,在正面人脸的情况下,异方差椭圆拟合算法与最小二乘拟合算法相比,计算量小,可精确定位瞳孔中心,平均误差比最小二乘法提高了89.1%,该方法在速度和准确性方面均具有良好的性能。(本文来源于《计算机工程与设计》期刊2015年12期）
潘海生[7]（2014）在《镜框叁维一体定型标准及瞳孔中心叁维焦点定位配镜技术讨论》一文中研究指出目前,中华人民共和国国家标准GB13511-2011配装眼镜标准规范中,采取的是镜框模片垂直中心顶焦点1/2分配法。规定了对配装眼镜中的光学中心水平偏差值(见表1)、配装眼镜光学中心垂直互差(见表2)及配装眼镜柱镜轴位方向偏差(见表3)。表1定配眼镜的两镜片光学中心水平距离偏差(本文来源于《中国眼镜科技杂志》期刊2014年13期）
陈学军,杨永明,何为,毛玉星[8]（2012）在《一种应用于视频眼震分析的瞳孔中心定位方法》一文中研究指出为利用眼震红外视频图像进行眼震分析,介绍一种瞳孔中心定位方法。此方法基于形态学和区域连接标记算法,提出了左上邻域方法进行连通图像标记,并对图像进行连通区域分割,再进行连通区域合理校验和连通区域合并,最终得到的瞳孔区域,通过计算获取瞳孔中心位置坐标,实时地把每帧图像得到瞳孔中心坐标通过曲线拟合出来,得到瞳孔的运动轨迹,从而获得临床所期望的诊断信息。眼动实验表明,此瞳孔中心定位算法简单,只需一次扫描图像标记,且定位速度比Hough变换法快一倍,能够满足红外视频眼震分析系统对瞳孔定位的实时性;基于同样的数据源,此方法的定位结果,与一种基于Hough的无现场校准的眼方向检测算法定位结果的相关度为0.975,同样可以获取良好的瞳孔运动轨迹,为眼震分析提供信息依据。(本文来源于《中国生物医学工程学报》期刊2012年02期）
罗汉暄[9]（2011）在《散瞳后瞳孔中心偏移对人工晶体定位的影响》一文中研究指出目的测量散瞳前后瞳孔中心偏移方向及偏移量,探讨其对人工晶体光学中心定位的影响。方法选取26例52眼,测定正常状态、复方托品酰胺散瞳半小时后的瞳孔中心的相对位置。结果正常状态瞳孔中心位于鼻上方,复方托品酰胺散瞳半小时的瞳孔中心的中心多位于鼻下方,散瞳前后平均偏移量0.12mm,散瞳前后最大偏移量为0.69mm,距角膜缘中心最大偏移量为0.52mm。结论散瞳前后瞳孔中心均有不同程度的偏移,所以在白内障等手术中,前房和后房人工晶体植入时,不能仅参照散瞳时瞳孔中心来定位人工晶体的位置,应根据正常瞳孔与角膜缘中心相对位置定位人工晶体。(本文来源于《齐齐哈尔医学院学报》期刊2011年20期）
王长元,张景,李京京[10]（2011）在《瞳孔中心快速定位方法研究》一文中研究指出眼球运动是获得和揭示大脑工作信息的重要途径。近年来的研究多将眼球建模成圆或椭圆,利用Hough变换检测圆或椭圆,从而达到瞳孔中心定位的目的。传统的Hough变换(含随机Hough变换)的实时性较差,而为了获得更加准确有效的眼球运动信息,采集帧率往往需要超过100 f/s。为此,利用VOG的暗瞳特性及二值化后瞳孔图像圆的唯一性,通过Video Oculo-graphic(VOG)设备采集眼部视频,对Hough变换进行改进,对预处理过的二值图像进行边缘提取,同时选取边缘上的叁点通过点Hough变换得到一个参数组,再用数学期望替代传统Hough变换投票方式,对所有参数组求数学期望,得到最终瞳孔中心。实验证明,该方法可行、精确、稳定。(本文来源于《计算机工程与应用》期刊2011年24期）
瞳孔中心定位论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对低分辨率图像中瞳孔边缘模糊、瞳孔受上下眼睑遮挡等问题,提出了一种由粗及精的瞳孔中心精确定位方法,该方法主要使用瞳孔的几何特征和人眼的方向信息进行定位。首先基于显式形状回归方法提取人脸特征点,根据人眼特征点粗定位瞳孔中心;其次根据半径搜索范围,采用射线法提取准确的瞳孔边缘,通过改进的随机抽样一致性算法剔除伪边界点,基于最小二乘法精确定位瞳孔中心。最后本文算法在自制人脸库和公开人脸库BioID上进行了验证,瞳孔中心精确定位准确率为82.2%。结果表明该算法能够克服头部姿势变化和眼睑遮挡等问题,与其他算法相比表现出良好的鲁棒性和准确性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
瞳孔中心定位论文参考文献
[1].王晶,高峰,李婉越,史国华.瞳孔中心点自动定位与对准装置[J].光学精密工程.2019
[2].闫蓓,吴梦瑶.低分辨率图像中的瞳孔中心精确定位方法[J].电子测量技术.2018
[3].周玉景.人脸检测及瞳孔中心定位研究[D].广西大学.2016
[4].韩蕙佚.基于星射线模型和高密度连通区域聚类的瞳孔中心定位算法[D].兰州大学.2016
[5].王德朋,娄震.一种融合Hough变换和ASM定位瞳孔中心点方法[J].计算机系统应用.2016
[6].贾彩琴,杨剑.基于HEIV算法改进的瞳孔中心定位[J].计算机工程与设计.2015
[7].潘海生.镜框叁维一体定型标准及瞳孔中心叁维焦点定位配镜技术讨论[J].中国眼镜科技杂志.2014
[8].陈学军,杨永明,何为,毛玉星.一种应用于视频眼震分析的瞳孔中心定位方法[J].中国生物医学工程学报.2012
[9].罗汉暄.散瞳后瞳孔中心偏移对人工晶体定位的影响[J].齐齐哈尔医学院学报.2011
[10].王长元,张景,李京京.瞳孔中心快速定位方法研究[J].计算机工程与应用.2011