[发明专利]用于使用图像捕获设备来确定受试者的眼睛的屈光特征的方法和系统

权利要求书

1.一种用于使用图像捕获设备(2)确定受试者(12)的眼睛(13)的屈光特征的方法，

所述方法包括以下步骤：

-获取所述受试者(12)的眼睛(13)的视网膜的至少一张照片；以及

-基于所述视网膜的所述获取的照片的模糊水平而确定所述屈光特征，照片的模糊水平是使用与所述照片相关联的点扩展函数的值来确定的，所述屈光特征是通过计算与所述视网膜的所述获取的照片的初始模糊水平相比具有降低的模糊水平的经修改的照片来确定的。

2.根据权利要求1所述的方法，其中，所述屈光特征是通过使用将所述视网膜的所获取的照片的所述模糊水平与所述屈光特征相关的模型来确定的。

3.根据权利要求1或2所述的方法，进一步包括至少获取所述受试者(12)的眼睛(13)的瞳孔的照片的步骤，所述确定所述屈光特征的步骤取决于从所述瞳孔的所述照片中确定的瞳孔直径。

4.根据权利要求1至3中任一项所述的方法，其中，所述模糊水平是使用卷积神经网络来确定的。

5.根据权利要求4所述的方法，其中，所述神经网络是使用多对图像的数据集来训练的，每对图像与特定屈光特征相关联。

6.根据权利要求5所述的方法，进一步包括通过使用用所述多对图像的数据集进行的所述神经网络的训练来确定与所述视网膜的所获取的照片相关联的点扩展函数的值的步骤。

7.根据权利要求5所述的方法，进一步包括通过使用用所述多对图像的数据集进行的所述神经网络的训练来确定与所述视网膜的所获取的照片相关联的所述屈光特征的步骤。

8.根据权利要求1至3中任一项所述的方法，其中，所述经修改的照片是使用所述视网膜的所获取的照片的盲反卷积方法来计算的。

9.根据权利要求8所述的方法，其中，所述盲反卷积方法基于所述点扩展函数的值的数据集，所述点扩展函数的每个值与特定屈光特征相关联。

10.根据权利要求9所述的方法，其中，所述经修改的照片是通过在所述点扩展函数的所述值的数据集中选择所述点扩展函数的最佳值来确定的，所述点扩展函数的最佳值对应于所述经修改的照片中与所述视网膜的所获取的照片的初始对比度水平相比提高的对比度水平。

11.根据权利要求1至10中任一项所述的方法，其中，所述视网膜的照片是在无限远的焦距下获取的。

12.根据权利要求1至11中任一项所述的方法，其中，所述受试者(12)的眼睛(13)与所述图像捕获设备(2)之间的距离大于20mm。

13.根据权利要求1至12中任一项所述的方法，进一步包括获取所述受试者(12)的眼睛(13)的视网膜的另一照片的步骤，所述另一照片是在包含在所述视网膜的所述获取的照片的焦距与所述眼睛的瞳孔的所述照片的焦距之间的另一焦距下获取的，所述屈光特征还取决于所述视网膜的所述另一照片，所述另一获取的照片适合于确定所述屈光特征的符号，所述屈光特征的符号是通过在所述视网膜的所述另一获取的照片与所述视网膜的所述获取的照片之间比较所述模糊水平来确定的。

14.一种用于确定受试者(12)的眼睛(13)的屈光特征的系统(1，10)，包括：

-图像捕获设备(2)，所述图像捕获设备适合于获取所述受试者(12)的眼睛(13)的视网膜的至少一张照片；以及

-数据处理器(4)，所述数据处理器适合于基于所述视网膜的所述获取的照片的模糊水平而确定所述屈光特征，照片的模糊水平是使用与所述照片相关联的点扩展函数的值来确定的，所述屈光特征是通过计算与所述视网膜的所述获取的照片的初始模糊水平相比具有降低的模糊水平的经修改的照片来确定的。