基于區(qū)域Hough變換的眼瞼退縮診斷

胡 敏，梁 挺，張光華，黃宏程

(1.重慶郵電大學(xué) 通信與信息工程學(xué)院，重慶 400065；2.太原學(xué)院 計(jì)算機(jī)科學(xué)與工程系，山西 太原 030000)

0 引 言

甲狀腺相關(guān)性眼病(thyroid associated ophthalmopathy，TAO)是一種與自身免疫有關(guān)的眼部疾病，是一種常見(jiàn)的眼部疾病，占Graves病的40%～50%，免疫性甲亢的2～5%。關(guān)于眼瞼退縮等定義見(jiàn)參考文獻(xiàn)[1-3]。目前已知的眼瞼與虹膜外圓的位置信息可分為全局和局部?jī)煞N。

目前國(guó)內(nèi)外有關(guān)虹膜位置的相關(guān)文獻(xiàn)多以某一特定的虹膜采集設(shè)備為基礎(chǔ)，收集到的圖像如下：①僅包括人類(lèi)的眼睛；②對(duì)虹膜及瞳仁進(jìn)行了擴(kuò)大；③增加了對(duì)眼、眉等的干擾作用；④虹膜、瞳孔和鞏膜有顯著的區(qū)別。傳統(tǒng)的、通用的人臉圖片都是由便攜式設(shè)備獲取的，例如手機(jī)和普通相機(jī)，而不是由儀器獲取，已有的研究手段無(wú)法對(duì)其進(jìn)行有效應(yīng)用，因此，開(kāi)展基于面部的虹膜定位的技術(shù)十分重要。人類(lèi)的虹膜和瞳孔都位于眼眶的正中央，上眼瞼的形狀和位置都有相同的特點(diǎn)，而瞳孔、虹膜、眼瞼等都比正常的瞳孔、虹膜、眼瞼等情況更加復(fù)雜。首先，要解決TAO病人影像上的虹膜位置問(wèn)題，然后將此算法應(yīng)用到便攜式上。

全采集采用便攜式設(shè)備，通常為全貌、局部采集使用專(zhuān)業(yè)的虹膜儀器，僅含有眼睛的部分信息。虹膜的定位一般是確定虹膜的內(nèi)外邊緣和上、下4個(gè)分界線(xiàn)[4-6]。基于全局采集的虹膜定位算法包括：Daugman等[5]采用積分微分算子，通過(guò)圓型模板對(duì)虹膜的中心及半徑進(jìn)行搜索，得到了較好的定位效果。Wilde等[7]提出了利用霍夫變換進(jìn)行虹膜內(nèi)、外邊界的方法，但是要對(duì)整個(gè)圖像進(jìn)行檢索，不僅費(fèi)時(shí)費(fèi)力，而且耗費(fèi)較大。目前，基于局部提取的虹膜定位方法主要有：田子林等[8]所提出的基于最小二乘法的虹膜定位方法；王琪等[9,10]所提出的基于SDM和SIFT的虹膜定位算法，通過(guò)對(duì)上瞼和虹膜外緣的比例變換不變特征進(jìn)行定位，從而使其定位精度得到了提高，但其計(jì)算量大、耗時(shí)長(zhǎng)。采用特殊的攝影器材進(jìn)行局部采集，可以放大眼睛的特點(diǎn)，但由于設(shè)備的成本較高，不宜大規(guī)模購(gòu)買(mǎi)；而且，近距離獲得的眼球信息不能達(dá)到眼瞼退縮的判別準(zhǔn)則。

為了解決上述問(wèn)題，本文在利用便攜式攝像機(jī)采集到的完整的面部影像基礎(chǔ)上，采用區(qū)域霍夫變換進(jìn)行虹膜定位，并與EUGOGO眼瞼退縮準(zhǔn)則相結(jié)合。實(shí)驗(yàn)結(jié)果表明，該算法能夠很好地實(shí)現(xiàn)對(duì)圖像的輔助診斷。

1 區(qū)域Hough變換的虹膜定位方法

1.1 特征點(diǎn)提取

樣本圖像由便攜式設(shè)備拍攝，以第一眼位圖為標(biāo)準(zhǔn)(當(dāng)兩眼在真正水平面注視6 m以上的目標(biāo)時(shí)，兩眼注視線(xiàn)同時(shí)向前方相并平行)，背景顏色選擇白色，圖像包含了從頭發(fā)到雙肩之間的整個(gè)面部區(qū)域。面部對(duì)齊是根據(jù)圖像中的區(qū)域和尺寸來(lái)確定面部形狀[11]。臉部特征點(diǎn)是面部對(duì)齊的重要指標(biāo)，被看作是學(xué)習(xí)一個(gè)回歸函數(shù)的過(guò)程[12,13]，將原始圖像作為輸入，利用多個(gè)簡(jiǎn)化的小波變換算法對(duì)所抽取的特征進(jìn)行分類(lèi)，目標(biāo)的輸入取決于上一步的輸出，反復(fù)地進(jìn)行殘差擬合直至獲得最優(yōu)的估計(jì)形態(tài)。初始的特征點(diǎn)定位共包含68個(gè)特征點(diǎn)，并沒(méi)有覆蓋額頭區(qū)域，如圖1所示。

圖1 68特征點(diǎn)效果

在此基礎(chǔ)上，本文利用拓展后的81特征點(diǎn)法，如圖2所示，該方法在前額頭上新增13個(gè)特征點(diǎn)，彌補(bǔ)了68個(gè)特征點(diǎn)的不足之處。所有的特征點(diǎn)依次由1-81標(biāo)記，圖2中1至17的標(biāo)號(hào)與69至81的標(biāo)號(hào)，30個(gè)特征點(diǎn)共同組成面部外輪廓，眼瞼部位一次標(biāo)號(hào)為37至48。

圖2 81特征點(diǎn)效果

1.2 Bezier曲線(xiàn)擬合

本文采用Bezier曲線(xiàn)擬合面部輪廓特征點(diǎn)，截取面部圖像，排除頭發(fā)、背景等干擾因素。Bezier曲線(xiàn)是法國(guó)工程師Bezier[14]在1962年為了設(shè)計(jì)汽車(chē)車(chē)身形狀提出的，應(yīng)用于二維圖形程序，在計(jì)算機(jī)圖形學(xué)中是相當(dāng)重要的參數(shù)曲線(xiàn)。與最小二乘法等擬合方法相比，其優(yōu)勢(shì)在于Bezier曲線(xiàn)實(shí)現(xiàn)簡(jiǎn)便、需要的條件更加簡(jiǎn)單且擬合后的曲線(xiàn)更光滑。

貝塞爾曲線(xiàn)的定義嚴(yán)格依賴(lài)于確定該段曲線(xiàn)控制點(diǎn)的個(gè)數(shù)，控制點(diǎn)也就是曲線(xiàn)上的點(diǎn)，N次多項(xiàng)式的曲線(xiàn)由N+1個(gè)頂點(diǎn)確定。貝塞爾曲線(xiàn)上各點(diǎn)的參數(shù)方程為

(1)

其中，Pi為第i個(gè)頂點(diǎn)的坐標(biāo)值，基函數(shù)Bi,N(t) 為Bernstein多項(xiàng)式，該多項(xiàng)式公式為

(2)

由上面兩式可得Bezier曲線(xiàn)，根據(jù)N+1個(gè)頂點(diǎn) (A0,A1,…,An)， 得到其貝塞爾曲線(xiàn)公式為

(3)

該公式的原始數(shù)學(xué)表達(dá)式為伯恩斯坦多項(xiàng)式，即在 [A0,An] 區(qū)間上所有的連續(xù)函數(shù)都可以用多項(xiàng)式來(lái)逼近，并屬于一致收斂。曲線(xiàn)的起點(diǎn)是A0，終點(diǎn)是An,在所有控制點(diǎn)都是同線(xiàn)的情況，曲線(xiàn)表示為一條從A0到An的直線(xiàn)。該曲線(xiàn)可以在任何控制點(diǎn)上進(jìn)行分割，每條被分割的曲線(xiàn)都屬于Bezier曲線(xiàn)，其兩端的點(diǎn)分別為分割處的控制點(diǎn)。

在1.1節(jié)中，圖2通過(guò)標(biāo)號(hào)1-81標(biāo)注了所有的特征點(diǎn)，面部最外一圈的特征點(diǎn)構(gòu)成了擬合區(qū)域，包含了標(biāo)號(hào)1-17，69-81，一共30個(gè)特征點(diǎn)。將30個(gè)特征點(diǎn)用A0-A29表示，即用于人臉特征點(diǎn)擬合的Bezier公式為

B(t)=P0(1-t)30t0+30P1(1-t)29t+…+
30P29(1-t)t29,t∈[0,1]

(4)

通過(guò)式(4)的擬合效果如圖3所示，圖3閉合線(xiàn)條區(qū)域?yàn)?0個(gè)特征點(diǎn)擬合后的效果，該區(qū)域切割后的效果如圖4所示。對(duì)比圖3和圖4可知經(jīng)過(guò)Bezier曲線(xiàn)擬合后頭發(fā)、雙肩以及左右耳朵等明顯的干擾區(qū)域被處理。

圖3 Bezier曲線(xiàn)擬合效果

圖4 處理后效果

1.3 三次B樣條插值

本文應(yīng)用B樣條插值方法[15]獲得了眼瞼輪廓曲線(xiàn)，并充分利用了它的局部支撐性和插值足夠光滑的特性?xún)?yōu)勢(shì)，從而獲取了更加精準(zhǔn)的上下眼瞼輪廓曲線(xiàn)。B樣條曲線(xiàn)包含一系列的控制點(diǎn)，并將其劃分為節(jié)點(diǎn)和系數(shù)，每一個(gè)系數(shù)對(duì)應(yīng)一個(gè)控制點(diǎn)，其核心思想是采用分段低階多項(xiàng)式將高次多項(xiàng)式進(jìn)行連續(xù)拼接。由于Bezier曲線(xiàn)不能進(jìn)行局部修改，而且在拼接成長(zhǎng)線(xiàn)時(shí)，會(huì)產(chǎn)生一些波形，對(duì)結(jié)果產(chǎn)生影響，因此，我們選擇了B樣條進(jìn)行輪廓擬合；而上下眼皮分別用4個(gè)點(diǎn)來(lái)進(jìn)行定位，它們符合三次B樣條曲線(xiàn)的對(duì)應(yīng)條件，也就是三次B樣條曲線(xiàn)的插值。

在對(duì)上下眼瞼進(jìn)行劃分時(shí)，左右兩個(gè)眼部被均分為上下兩個(gè)部分，包括4條眼瞼線(xiàn)，分別稱(chēng)之為左上眼瞼、左下眼瞼、右上眼瞼、右下眼瞼。在1.1節(jié)圖2中，可將4條眼瞼分別對(duì)應(yīng)4個(gè)標(biāo)號(hào)，即三次B樣條插值所需的4個(gè)控制點(diǎn)。左上眼瞼對(duì)應(yīng)的4個(gè)特征點(diǎn)標(biāo)號(hào)為：(37、38、39、40)。左下眼瞼對(duì)應(yīng)的4個(gè)特征點(diǎn)標(biāo)號(hào)為：(37、42、41、40)。右上和右下分別對(duì)應(yīng)的標(biāo)號(hào)為：(43、44、45、46),(43、48、47、46)。

B樣條曲線(xiàn)的總方程為

(5)

其中，Pi是控制曲線(xiàn)的特征點(diǎn)，F(xiàn)i,k(t) 則是K階B樣條基函數(shù)。

三次B樣條曲線(xiàn)方程中基函數(shù)為

(6)

(7)

(8)

(9)

(10)

由式(6)到式(10)可得三次B樣條曲線(xiàn)方程

P(t)=P0*F0,3(t)+P1*F1,3(t)+
P2*F2,3(t)+P3*F3,3(t)

(11)

下面是三次B樣條曲線(xiàn)的擬合法，如圖5所示，圖5中封閉線(xiàn)條區(qū)域表示上下眼瞼經(jīng)過(guò)式(11)插值后的效果區(qū)域。結(jié)果表明，采用三次B樣條插值算法進(jìn)行上下眼瞼邊緣定位有很好的效果，同時(shí)有很高的準(zhǔn)確率。

圖5 眼瞼擬合

1.4 Hough圓檢測(cè)

Hough變換是Paul Hough在1962年首次提出的一種線(xiàn)條檢查算法，在1972年，經(jīng)過(guò)Richard Duda和Peter Hart推廣使用，經(jīng)典的Hough變換通常被用來(lái)檢測(cè)圖像中的直線(xiàn)，經(jīng)過(guò)眾多學(xué)者的不斷研究和發(fā)展，Hough變換被擴(kuò)展到可以進(jìn)行任意形狀物體的檢測(cè)，現(xiàn)應(yīng)用最為廣泛的形狀是圓和橢圓的檢測(cè)[16,17]。人眼的虹膜區(qū)域通常位于鞏膜和瞳孔之間，其外邊界和鞏膜相切，實(shí)際為眼白和棕色線(xiàn)。虹膜在形狀上無(wú)限接近于圓形，并且具有不會(huì)輕易受到其它因素影響而改變形狀的特性。針對(duì)虹膜這種特性，本文利用Hough變換圓檢測(cè)方法進(jìn)行虹膜外圓的定位。

Hough變換圓檢測(cè)原理是對(duì)于一個(gè)半徑為r，圓心坐標(biāo)位置為 (a,b) 的圓，將其表示為

(x-a)2+(y-b)2=r2

(12)

圓檢測(cè)方法步驟如下：

(1)建立一個(gè)由各個(gè)象素單位組成的累積空間。開(kāi)始時(shí)，將每一個(gè)單元格都設(shè)定為0。

(2)針對(duì)各圖象的邊界點(diǎn)座標(biāo)位置(x,y)，可以是一個(gè)圓形的中央的網(wǎng)孔數(shù)值，如方程式(12)所示。方程式中的單位用a代表。

(3)在上述的步驟中，從各個(gè)可能發(fā)現(xiàn)的數(shù)值a中，得到符合方程的全部可能的數(shù)值b。

(4)在累積空間內(nèi)搜尋局部極大值。這些單元格表示算法檢測(cè)到的所有圓圈。

以上所述的圓檢法所涉及到的參數(shù)空間是三維的，若要在三維空間上進(jìn)行證據(jù)累計(jì)，則需要耗費(fèi)大量的時(shí)間和空間復(fù)雜性。因此本文對(duì)該Hough圓檢測(cè)方法進(jìn)行改進(jìn)，主要考慮優(yōu)化空間開(kāi)銷(xiāo)和時(shí)間開(kāi)銷(xiāo)。為此，對(duì)這種Hough圓法進(jìn)行了改進(jìn)，重點(diǎn)是在優(yōu)化的空間和時(shí)間上。本文提出了一種基于局部霍夫圓法的新算法，該算法可分為兩個(gè)階段：

(1)選擇目標(biāo)區(qū)域。基于Bezier曲線(xiàn)方法，擬合圖像，然后根據(jù)人臉五官的分布，獲取目標(biāo)眼部區(qū)域信息。

(2)確定搜索區(qū)域范圍。首先，利用改進(jìn)后的Canny算子對(duì)圖像進(jìn)行邊緣信息提取，然后對(duì)搜索區(qū)域進(jìn)行去噪處理，這樣更好地突出虹膜外圓的線(xiàn)條信息，并規(guī)定了經(jīng)典Hough圓檢測(cè)方法中的搜索半徑r指定范圍值，而非盲目進(jìn)行區(qū)域搜索，避免了三維的參數(shù)空間，只需要在目標(biāo)區(qū)域內(nèi)對(duì)檢測(cè)圓心(a,b)進(jìn)行證據(jù)累計(jì)，從而縮短了時(shí)間和空間，增加了虹膜外圓定位的準(zhǔn)確率。

目標(biāo)區(qū)域選擇通過(guò)縮小Hough圓圈來(lái)探測(cè)和降低空間消耗。該算法采用了一種改進(jìn)的Canny邊界提取算法來(lái)突出圖像的邊緣，同時(shí)根據(jù)虹膜的直徑來(lái)限定搜索半徑r的范圍，從而降低了搜索的耗時(shí)。

1.4.1 選擇目標(biāo)區(qū)域

“三庭五眼”的概念最早在明末王繹的《寫(xiě)像秘訣》中記錄[18]。“大三庭”通常是把頭部上下分為三等分，從前額發(fā)際線(xiàn)至眉骨，從眉骨至鼻底，從鼻底至下頦，各占臉長(zhǎng)的三分之一。“五眼”從左側(cè)發(fā)際至右側(cè)發(fā)際，為5只眼形。兩只眼睛之間有一只眼睛的間距，兩眼外側(cè)至側(cè)發(fā)際各為一只眼睛的間距，各占比例的1/5。如圖6所示。

圖6 “三庭五眼”

本文截取眼部區(qū)域位于圖6中的“中庭”處。直接取“中庭”區(qū)域?yàn)檠鄄繀^(qū)域會(huì)包含部分眉毛信息，為了避免其干擾，本文通過(guò)大量的圖片測(cè)量和驗(yàn)證，確定目標(biāo)區(qū)域?yàn)槊季€(xiàn)以下六分之一以及鼻底線(xiàn)以上二分之一。同時(shí)對(duì)目標(biāo)區(qū)域進(jìn)行歸一化處理，統(tǒng)一像素值為278×59。以4位TAO患者圖像為例，截取目標(biāo)區(qū)域圖，分別如圖7(a)、圖7(b)、圖7(c)、圖7(d)所示。

圖7 TAO患者目標(biāo)區(qū)域

1.4.2 確定搜索區(qū)域范圍

搜索區(qū)域處理主要分為兩個(gè)部分：

(1)區(qū)域圈定：Canny算子能檢測(cè)真正的弱邊緣，可使用兩種不同的閾值分別檢測(cè)強(qiáng)邊緣和弱邊緣，不容易受噪聲的干擾，具有準(zhǔn)確的邊緣定位功能，所以本文采用Canny算子對(duì)得到的目標(biāo)區(qū)域進(jìn)行邊緣檢測(cè)。經(jīng)過(guò)Canny算子處理后的圖像存在無(wú)用的小面積區(qū)域，本文將結(jié)合連通域處理方法進(jìn)行圖像篩選，過(guò)濾無(wú)用區(qū)域。改進(jìn)后的Canny算子工作流程如圖8所示。

圖8 改進(jìn)后Canny算子工作流程

圖9 原始Canny算子處理后效果

圖10 改進(jìn)后Canny算子處理效果

圖9(a)、圖9(b)、圖9(c)、圖9(d)這4幅圖像經(jīng)過(guò)原始Canny算子處理后眼瞼與虹膜基本輪廓較為明顯，每位患者的左右眼虹膜區(qū)域內(nèi)存在少數(shù)小圓圈(小圓圈是拍攝時(shí)人眼部位的反光聚焦點(diǎn)，表現(xiàn)為白色亮斑，經(jīng)Canny算子處理后表現(xiàn)為小圓圈)，眼瞼處存在斷斷續(xù)續(xù)的不連接線(xiàn)段。由于TAO患者眼部區(qū)域的特殊性和每個(gè)人眼部區(qū)域的差異性，部分圖像經(jīng)過(guò)Canny算子檢測(cè)后虹膜輪廓不能呈現(xiàn)出完整的輪廓信息。圖10(a)、圖10(b)、圖10(c)、圖10(d)是經(jīng)過(guò)改進(jìn)后Canny算子處理結(jié)果圖。對(duì)比圖9和圖10，小圓圈和不連接線(xiàn)段均被去除，保留了大部分虹膜外圓的邊緣信息。

(2)區(qū)域搜索：由于人類(lèi)的虹膜直徑比較相近，平均虹膜直徑12 mm，而中國(guó)人的平均虹膜直徑大約為11.4 mm。本文對(duì)隨機(jī)的500張TAO患者圖像和100張非TAO患者圖像進(jìn)行虹膜直徑的估計(jì)，98.6%的TAO患者眼直徑在10 mm～13 mm范圍內(nèi)，1.4%的TAO患者眼直徑在該范圍外，所有的非TAO患者圖像眼徑在10.5 mm到11.6 mm之間。直徑分布見(jiàn)表1。

表1 直徑分布

根據(jù)直徑分布表信息，1000張TAO患者圖像中只有14張圖像的眼直徑范圍在10 mm～13 mm外，即將搜索半徑r的值縮小在10 mm～13 mm內(nèi)。同樣以4位TAO患者圖像為例，原始Hough圓檢測(cè)實(shí)驗(yàn)效果如圖11所示，圖中4位患者的定位結(jié)果存在兩個(gè)主要問(wèn)題，第一，檢測(cè)到左右眼虹膜外圓但外圓的大小和位置相比于真實(shí)的虹膜外圓位置和大小都出現(xiàn)了一定偏差；第二，部分圖像只能檢測(cè)左眼或者右眼的虹膜外圓輪廓。本文的區(qū)域Hough圓檢測(cè)實(shí)驗(yàn)效果如圖12所示，圖中本文方法對(duì)每張圖都能準(zhǔn)確找到兩只眼的虹膜外圓，保證虹膜外圓大小和位置符合其實(shí)際值，另外對(duì)虹膜外圓邊緣信息不足的情況，補(bǔ)全了擬合圓的輪廓信息，完成虹膜外圓的定位。

圖11 經(jīng)典Hough圓檢測(cè)定位結(jié)果

圖12 本文Hough圓檢測(cè)結(jié)果

2 實(shí)驗(yàn)結(jié)果和分析

本文實(shí)驗(yàn)的數(shù)據(jù)集由兩部分組成，分為私有數(shù)據(jù)集和公有數(shù)據(jù)集。私有數(shù)據(jù)集主要用來(lái)完成診斷眼瞼退縮實(shí)驗(yàn)，由眼科醫(yī)院提供的2500張圖像組成，其包括1822張已知存在眼瞼退縮的TAO患者圖與678張確認(rèn)為非TAO患者的圖像。圖片尺寸統(tǒng)一為1915×1080，圖片為jpg格式。公有數(shù)據(jù)集主要用來(lái)驗(yàn)證本文所提出的方法同樣適用于專(zhuān)業(yè)設(shè)備拍攝的局部圖像，在定位精度和時(shí)間上有一定的提升，數(shù)據(jù)集從中科院CASIA虹膜庫(kù)中隨機(jī)抽取的100幅圖像組成，分辨率為640×480，圖片為png格式。

2.1 精度分析

為了進(jìn)一步驗(yàn)證所提出的方法的可行性，進(jìn)行了兩組對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)基于中科院CASIA虹膜庫(kù)隨機(jī)抽取的2500幅圖像。第一組是通過(guò)對(duì)虹膜的定位精度、虹膜外圈的定位時(shí)間和最小二乘法與霍夫變換的虹膜定位算法相比較，后者采用形態(tài)學(xué)、自適應(yīng)閾值算法、Canny邊界提取、最小二乘法等技術(shù)，對(duì)虹膜外圓進(jìn)行了定位。第二組是將本文方法與文獻(xiàn)[9]所提出方法進(jìn)行對(duì)比，后者根據(jù)SIFT技術(shù)和SDM技術(shù)，結(jié)合文獻(xiàn)[9]中所提的虹膜定位技術(shù)，采用徑向?qū)ΨQ(chēng)變換、微積分算子、SIFT特性以及SDM等方法，實(shí)現(xiàn)了對(duì)目標(biāo)的精確定位。并給出了式(13)中的位置精度的計(jì)算公式

(13)

式中：O表示實(shí)際虹膜面積，N表示測(cè)得的虹膜面積，C表示重復(fù)的虹膜面積。根據(jù)實(shí)際虹膜與測(cè)得的虹膜面積覆蓋率表示其定位精度。實(shí)驗(yàn)結(jié)果見(jiàn)表2。

表2 CASIA虹膜庫(kù)圖像定位結(jié)果對(duì)比

表2在CASIA虹膜庫(kù)數(shù)據(jù)集的基礎(chǔ)上一共進(jìn)行了5組實(shí)驗(yàn)，根據(jù)歐洲眼病專(zhuān)家組(European group of Graves’ orbitopathy，EUGOGO)[19]進(jìn)行精度和方差的對(duì)比，Daugman提出的基于微積分的虹膜定位算法、Wilde提的Hough變換與Canny相結(jié)合的定位算法、文獻(xiàn)[8]中的最小二乘法與Hough變換相結(jié)合的虹膜定位算法、文獻(xiàn)[10]提出的基于SDM和SIFT虹膜定位算法以及本文提出的基于區(qū)域Hough變換的虹膜定位方法。實(shí)驗(yàn)數(shù)據(jù)集從CASIA數(shù)據(jù)庫(kù)中隨機(jī)抽取2500張，從表格可以看出，定位精度、方差和外圓定位耗時(shí)三方面進(jìn)行對(duì)比，本文所提方法在精度、穩(wěn)定性以及時(shí)間上都優(yōu)于其它算法。其中Daugman和Wilde所提的定位方法由于在早期就已經(jīng)提出，所以其精度較其它算法都較低。文獻(xiàn)[8]中二值化過(guò)程比較粗糙，不夠精確，其利用灰度直方圖的波峰波谷取得閾值，很容易導(dǎo)致實(shí)驗(yàn)結(jié)果出現(xiàn)一定偏差，但是在區(qū)域Hough變換法中就通過(guò)對(duì)目標(biāo)區(qū)域和搜索半徑的范圍進(jìn)行確定，在基于CASIA虹膜庫(kù)數(shù)據(jù)集的實(shí)驗(yàn)中表明其具有更高精度和更低耗時(shí)的優(yōu)勢(shì)。文獻(xiàn)[10]中方法主要思想是以徑向?qū)ΨQ(chēng)和微積分算子為基礎(chǔ)確定虹膜中心和半徑，但是對(duì)圖像質(zhì)量要求較高，初步的計(jì)算結(jié)果將直接影響最終的虹膜定位結(jié)果。綜上所述，本文所提區(qū)域Hough變換法進(jìn)行虹膜定位在較短的時(shí)間消耗情況下具有較高的精度。

2.2 眼瞼退縮診斷結(jié)果分析

為了驗(yàn)證本文方法在實(shí)際應(yīng)用場(chǎng)景中能有效輔助醫(yī)生診斷患者是否存在眼瞼退縮，共進(jìn)行了5組對(duì)比實(shí)驗(yàn)，同時(shí)計(jì)算了實(shí)際誤診率。在實(shí)驗(yàn)中對(duì)2500張圖像進(jìn)行眼瞼退縮診斷，其中1822張確認(rèn)為T(mén)AO患者，678張確認(rèn)為非TAO患者圖像。最終實(shí)驗(yàn)定位效果如圖13所示(圖片已經(jīng)獲得可公開(kāi)授權(quán))。

圖13 虹膜外圓與眼瞼定位

眼瞼退縮診斷結(jié)果見(jiàn)表3。

表3 眼瞼退縮檢測(cè)實(shí)驗(yàn)結(jié)果

如表3所示，進(jìn)行了5組實(shí)驗(yàn)，在2500張數(shù)據(jù)集上通過(guò)準(zhǔn)確率、誤診率和平均耗時(shí)3個(gè)指標(biāo)來(lái)評(píng)估算法。其中Daugman和Wilde這兩種方法相比其它算法存在準(zhǔn)確率低且誤診率高的問(wèn)題，這是因?yàn)檫@兩種算法對(duì)圖像質(zhì)量要求較高，但是患者圖像面部的特征不清晰并且不規(guī)則，所以在檢測(cè)時(shí)存在較大誤差，耗時(shí)長(zhǎng)。文獻(xiàn)[8]和文獻(xiàn)[10]準(zhǔn)確率與誤差值較為相近，耗時(shí)也相近，這是由于兩種算法均是在原始方法上進(jìn)行部分特征改進(jìn)，所以在準(zhǔn)確率和誤診率以及耗時(shí)上比Daugman和Wilde方法更好，但是由于患者圖像的特殊性，其準(zhǔn)確率等都存在一定上限，而本文的算法是專(zhuān)門(mén)針對(duì)固定的患者圖像提出的，所以在準(zhǔn)確率等指標(biāo)上比其它方法更具有優(yōu)勢(shì)與針對(duì)性。本文算法準(zhǔn)確率為93.5%，且誤診率低，達(dá)到了實(shí)際應(yīng)用的基本要求。綜上所述，本文所提出的區(qū)域Hough法在準(zhǔn)確率、誤診率以及耗時(shí)三方面均優(yōu)于其它幾種算法。

3 結(jié)束語(yǔ)

針對(duì)傳統(tǒng)的人工眼瞼退縮診斷準(zhǔn)確率低以及耗費(fèi)時(shí)間長(zhǎng)的缺點(diǎn)，本文提出了一種基于區(qū)域Hough變換新的虹膜定位方法。與傳統(tǒng)的Hough方法相比，該算法采用特征點(diǎn)、Bezier曲線(xiàn)和三次B樣條擬合出眼瞼輪廓和目標(biāo)檢測(cè)區(qū)域，從而縮小了搜索范圍，并減少大量的時(shí)間開(kāi)銷(xiāo)，通過(guò)改進(jìn)的Canny邊緣檢測(cè)方法和改進(jìn)的Hough圓檢測(cè)方法提升了鞏膜外圓定位的精度，再結(jié)合EUGOGO眼瞼退縮標(biāo)準(zhǔn)進(jìn)行診斷。實(shí)驗(yàn)結(jié)果表明本文改進(jìn)的方法對(duì)眼瞼退縮的診斷有較大的提升，滿(mǎn)足實(shí)際計(jì)算機(jī)輔助診斷的需求，又能在一定程度上有效提高在利用便攜式設(shè)備局部獲取圖像下的精度，縮短定位時(shí)間[22]。