[发明专利]基于霍夫变换的瞳孔直径智能检测方法及装置

说明书

本发明提供了一种基于霍夫变换的瞳孔直径智能检测及装置，包括：拍摄人脸图像，进行人眼检测与定位，切割出人眼图像；对所述人眼图像进行预处理，增强图像效果，突出瞳孔位置；使用霍夫变换算法针对增强后的人眼图像检测瞳孔直径，将图像像素与真实大小进行转化得到实际瞳孔直径。本发明利用计算机的优势，大大提高了自动化程度，可近似或完全取代人工测量，对临床依靠瞳孔直径检测进行诊断神经病变的定位诊断具有重要的现实意义。

技术领域

本发明涉及人工智能与医疗卫生领域，特别涉及一种基于霍夫变换的瞳孔直径智能检测方法及装置。

背景技术

临床上有时可见到瞳孔对光反应消失、瞳孔左右不等、互感性瞳孔反应消失等异常情况，常常是由于与这些反射有关的反射绵弧某一部分受损的结果，因而可以由瞳孔反应的异常帮助进行神经病变的定位诊断。

瞳孔检查一般由有经验的医师对瞳孔大小和形状以及瞳孔对光亮的反应性和速度来主观评估。然而，瞳孔反应太快,不能用秒表测量，检查瞳孔的可见光不仅改变瞳孔的静止大小，而且改变视网膜的灵敏度，这使得瞳孔测量更加复杂。目前临床大多使用目测的方法估计或用直尺来测量瞳孔的大小，这两种方法由于受到个体的差异、观察角度等因素的影响使测量结果存在很大的误差。

发明内容

本发明提供了一种基于霍夫变换的瞳孔直径智能检测方法及装置，其目的是为了通过拍摄的人脸图像实现对瞳孔直径的测量，进而为医学诊断提供依据，由瞳孔反应的异常帮助进行神经病变的定位诊断。

为了达到上述目的，本发明提供了一种基于霍夫变换的瞳孔直径智能检测方法，包括：

步骤1，拍摄人脸图像，进行人眼检测与定位，切割出人眼图像；

步骤2，对所述人眼图像进行预处理，增强图像效果，突出瞳孔位置；

步骤3，使用霍夫变换算法针对增强后的人眼图像检测瞳孔直径，将图像像素与真实大小进行转化得到实际瞳孔直径。

其中，所述步骤1具体包括：

采用RetinaNet算法进行人眼检测与定位，所述RetinaNet网络的主干部分为深度残差网络Resnet，并使用特征图金字塔网络结构，所述金字塔网络结构的每一个层级中的特征图在不同的尺度上进行目标检测与定位。

其中，所述对所述人眼图像进行预处理包括：灰度化处理、Gamma变换、Retinex增强算法处理、中值滤波。

其中，所述步骤2具体包括：

对所述人眼图像进行灰度化处理；

对输入图像灰度值进行的非线性操作，使输出图像灰度值与输入图像灰度值呈幂函数关系；

利用SSR算法估计出图像的环境光照射分量，并根据所述环境光照射分量减少环境光的影响；

由于睫毛对瞳孔识别影响大，利用中值滤波处理所述人眼图像，睫毛被模糊化而瞳孔不受影响。

其中，所述步骤3包括：

所述霍夫变换算法通过将所述人眼图像中的边缘点映射到参数空间(a,b,r)中，(x,y)空间中同一个圆上各点映射到(a,b,r)空间中必定交于一点，在参数空间中寻找出现频率最高的(a,b,r)，(a,b)即为原图中相对应圆的圆心坐标，r即为半径。

其中，所述步骤3具体包括：

使用canny算子对人眼图像进行边缘检测，获取边界点；

通过坐标变换将圆形一般方程变换形式，由x-y坐标系转换到a-b坐标系，如(a-x)²+(b-y)²＝r²；

寻找交点确定圆心坐标的可能值，确定圆心坐标；