一种基于偏心摄影的斜视程度的计算方法技术

本发明专利技术提供了一种基于偏心摄影的斜视程度的计算方法，所述方法执行以下步骤：步骤1：获得基于偏心摄影验光得到的被检者的瞳孔图像；步骤2：对瞳孔图像中的瞳孔及角膜映光点进行第一深度学习处理，以获得瞳孔及角膜映光点的清晰图像；步骤3：提取角膜映光点，并判断瞳孔图像中的角膜映光点是否位于瞳孔的中心，若是，则执行步骤5，若否，则执行步骤4；步骤4：对角膜映光点及瞳孔的中心进行第二深度学习处理，以确定角膜映光点与瞳孔的中心之间的偏移距离与瞳孔的半径的比值，并根据偏移距离与瞳孔的半径的比值计算被检者的斜视程度；步骤5：结束对被检者的斜视程度的计算。此方法摆脱了传统验光仪笨重不易携带这一缺点，更加方便快捷。

A calculation method of squint degree based on eccentric photography

【技术实现步骤摘要】
一种基于偏心摄影的斜视程度的计算方法
本专利技术涉及屈光检测
，特别涉及一种基于偏心摄影的斜视程度的计算方法。
技术介绍
随着现代经济的发展，教育的进步，各种智能设备的普及，近视的人数逐年增多，而且不断向低龄化发展，所以低成本的、可以普及的近视诊断方法的重要性不言而喻，尤其是对于青少年而言。通常，在眼科医院和配镜中心，验光师可以利用专业的设备，通过测量屈光度判断人眼球是否近视及斜视程度。但是，一般情况下，人们是在发现眼睛出现问题的时候才决定去专业的机构去验光。所以如果有方法可以让青少年平时就可以方便的检测是否斜视，对于预防青少年斜视的意义是巨大的。同时，经常测量屈光度也可以帮助已经斜视的人控制斜视的发展。现有的屈光度检测方式有三种，即主觉验光、检影验光和电脑验光。准确程度依次递减。在医院或配镜中心，通常用电脑验光初检，主觉验光确定实际的屈光度。主觉验光利用一系列不同屈光度的透镜，在病人的配合下，反复尝试不同屈光度的透镜，使得病人通过透镜恢复正常的视觉敏度。主觉验光需要配合视力表使用，病人需要和视力表保持一定距离，具体数值取决于视力表和计算方法，通常为六米，而且房间的光线要舒适。检影法是用检影镜将一束光线投射到患者眼屈光系统直达视网膜，再由视网膜的反射光抵达检影镜，穿过检影镜窥孔(简称检影孔)，被验光师观察到。这视网膜反射光即“红光反射”，是检影分析的主要依据。患者屈光状态不同，其由红光反射而形成的顺动、逆动也不同。验光师分析这不同的影动，在标准镜片箱中取出相应镜片来消解影动，直到找到中和点。用来找到中和点的标准镜片与患者的屈光状态密切相关。检影法又称视网膜检影法，检影镜又称视网膜镜。电脑验光属于客观验光法，其原理与视网膜检影法基本相同，采用红外线光源及自动雾视装置达到放松眼球调节的目的，采用光电技术及自动控制技术检查屈光度。因此，现有的三种方式的共同特征为：需要专门的设备，需要专业人士辅助，由此可见，现有的屈光度检测方式便利性较差。
技术实现思路
本专利技术提供一种基于偏心摄影的斜视程度的计算方法，用以摆脱传统验光仪笨重不易携带这一缺点。本专利技术提供了一种基于偏心摄影的斜视程度的计算方法，所述方法执行以下步骤：步骤1：获得基于偏心摄影验光得到的被检者的瞳孔图像；步骤2：对所述瞳孔图像中的瞳孔及角膜映光点进行第一深度学习处理，以获得所述瞳孔及所述角膜映光点的清晰图像；步骤3：提取所述角膜映光点，并判断所述角膜映光点是否位于所述瞳孔的中心，若是，则执行步骤5，若否，则执行步骤4；步骤4：对所述角膜映光点及所述瞳孔的中心进行第二深度学习处理，以确定所述角膜映光点与所述瞳孔的中心之间的偏移距离与所述瞳孔的半径的比值，并根据所述偏移距离与所述瞳孔的半径的比值计算所述被检者的斜视程度；步骤5：结束对所述被检者的斜视程度的计算。进一步地，在所述步骤2中，在对所述瞳孔图像中的瞳孔及角膜映光点进行第一深度学习处理之前，还包括对所述瞳孔图像进行图像归一化处理、单通道分量提取处理、图像滤波处理、图像增强处理或边缘检测处理的步骤。进一步地，在所述步骤2中，对所述瞳孔图像中的瞳孔及角膜映光点进行所述第一深度学习处理执行以下步骤：步骤S201：对所述瞳孔图像进行降噪处理和锐化处理；步骤S202：基于锐化处理后的所述瞳孔图像，确定所述瞳孔图像的预设边界，并基于所述预设边界获取对应的矩形区域，其中，所述矩形区域中包括所述瞳孔图像及所述角膜映光点的所有待识别信息，并且所述矩形区域包括所述瞳孔图像的预设边界；步骤S203：采用第一深度学习模型，对所述矩形区域内的所述瞳孔图像进行关于图像分辨率的图像处理，获得所述瞳孔及所述角膜映光点的清晰图像。进一步地，所述第一深度学习模型和/或所述第二深度学习模型包括神经网络模型、最小二乘法模型、回归模型中的至少一种。进一步地，在所述步骤201中，对所述瞳孔图像进行降噪处理执行以下步骤：步骤S2011：获取所述瞳孔图像的亮度分布信息，并基于所述亮度分布信息，将所述瞳孔图像划分为具有不同图像纹理分布状态的若干不同纹理区域；步骤S2012：计算所述若干不同纹理区域中的每一个纹理区域对应的亮度分量和/或纹理分量，并根据所述亮度分量和/或所述纹理分量将所述瞳孔图像中的所有像素点划分为第一类型像素点和第二类型像素点；步骤S2013：对所述第一类型像素点和所述第二类型像素点分别执行适应性的滤波降噪处理。进一步地，在所述步骤201中，对所述瞳孔图像进行锐化处理执行以下步骤：步骤S2011'：通过Sobel算子对经过所述降噪处理后得到的降噪图像进行图像模糊化转换；步骤S2012'：确定经所述图像模糊化转换后的模糊化图像的边缘区域，其中，所述边缘区域至少包括所述模糊化图像的边界以及所述边界内外预设距离范围对应的区域；步骤S2013'：获取关于所述边缘区域对应的模糊特征，以此计算得到所述边缘区域对应的模糊核，其中，所述模糊特征包括模糊方向、模糊轨迹和模糊角度中的至少一者。进一步地，在所述步骤4中，对所述角膜映光点及所述瞳孔的中心进行第二深度学习处理，以确定所述角膜映光点与所述瞳孔的中心之间的偏移距离与所述瞳孔的半径的比值，并根据所述偏移距离与所述瞳孔的半径的比值计算所述被检者的斜视程度执行以下步骤：步骤S401：建立第二深度学习模型；步骤S402：输入训练数据，以训练所述第二深度学习模型；步骤S403：将测试数据输入所述第二深度学习模型，调节参数使得所述第二深度学习模型最优化，得到最终的第二深度学习模型；步骤S404：基于所述最终的第二深度学习模型，计算所述被检者的斜视程度。进一步地，所述训练数据包括若干个由患有斜视的试验人员的所述角膜映光点与所述瞳孔的中心之间的偏移距离与所述瞳孔的半径的比值及其斜视程度组成的集合，其中，所述试验人员的斜视程度采用主觉验光的方法确定。进一步地，在所述步骤4中，提取所述角膜映光点执行以下步骤：步骤S401'：根据所述瞳孔图像获取所述瞳孔的强度轮廓信息；步骤S402'：根据所述强度轮廓信息提取所述角膜映光点。进一步地，在所述步骤4中，基于PSF算法、光学传递函数算法、LSF算法及斯特列尔比算法中的至少一个，以根据所述角膜映光点与所述瞳孔的中心之间的偏移距离与所述瞳孔的半径的比值计算所述被检者的斜视程度。本专利技术实施例提供的一种基于偏心摄影的斜视程度的计算方法，具有以下有益效果：对基于偏心摄影验光得到的瞳孔图像进行处理，获得被检者的斜视程度，摆脱了传统验光仪笨重不易携带这一缺点，更加方便快捷。本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。<本文档来自技高网...

【技术保护点】
1.一种基于偏心摄影的斜视程度的计算方法，其特征在于，所述方法执行以下步骤：/n步骤1：获得基于偏心摄影验光得到的被检者的瞳孔图像；/n步骤2：对所述瞳孔图像中的瞳孔及角膜映光点进行第一深度学习处理，以获得所述瞳孔及所述角膜映光点的清晰图像；/n步骤3：提取所述角膜映光点，并判断所述角膜映光点是否位于所述瞳孔的中心，若是，则执行步骤5，若否，则执行步骤4；/n步骤4：对所述角膜映光点及所述瞳孔的中心进行第二深度学习处理，以确定所述角膜映光点与所述瞳孔的中心之间的偏移距离与所述瞳孔的半径的比值，并根据所述偏移距离与所述瞳孔的半径的比值计算所述被检者的斜视程度；/n步骤5：结束对所述被检者的斜视程度的计算。/n

【技术特征摘要】
1.一种基于偏心摄影的斜视程度的计算方法，其特征在于，所述方法执行以下步骤：
步骤1：获得基于偏心摄影验光得到的被检者的瞳孔图像；
步骤2：对所述瞳孔图像中的瞳孔及角膜映光点进行第一深度学习处理，以获得所述瞳孔及所述角膜映光点的清晰图像；
步骤3：提取所述角膜映光点，并判断所述角膜映光点是否位于所述瞳孔的中心，若是，则执行步骤5，若否，则执行步骤4；
步骤4：对所述角膜映光点及所述瞳孔的中心进行第二深度学习处理，以确定所述角膜映光点与所述瞳孔的中心之间的偏移距离与所述瞳孔的半径的比值，并根据所述偏移距离与所述瞳孔的半径的比值计算所述被检者的斜视程度；
步骤5：结束对所述被检者的斜视程度的计算。


2.如权利要求1所述的基于偏心摄影的斜视程度的计算方法，其特征在于，在所述步骤2中，在对所述瞳孔图像中的瞳孔及角膜映光点进行第一深度学习处理之前，还包括对所述瞳孔图像进行图像归一化处理、单通道分量提取处理、图像滤波处理、图像增强处理或边缘检测处理的步骤。


3.如权利要求1所述的基于偏心摄影的斜视程度的计算方法，其特征在于，在所述步骤2中，对所述瞳孔图像中的瞳孔及角膜映光点进行所述第一深度学习处理执行以下步骤：
步骤S201：对所述瞳孔图像进行降噪处理和锐化处理；
步骤S202：基于锐化处理后的所述瞳孔图像，确定所述瞳孔图像的预设边界，并基于所述预设边界获取对应的矩形区域，其中，所述矩形区域中包括所述瞳孔图像及所述角膜映光点的所有待识别信息，并且所述矩形区域包括所述瞳孔图像的预设边界；
步骤S203：采用第一深度学习模型，对所述矩形区域内的所述瞳孔图像进行关于图像分辨率的图像处理，获得所述瞳孔及所述角膜映光点的清晰图像。


4.如权利要求1所述的基于偏心摄影的斜视程度的计算方法，其特征在于，所述第一深度学习模型和/或所述第二深度学习模型包括神经网络模型、最小二乘法模型、回归模型中的至少一种。


5.如权利要求2所述的基于偏心摄影的斜视程度的计算方法，其特征在于，在所述步骤201中，对所述瞳孔图像进行降噪处理执行以下步骤：
步骤S2011：获取所述瞳孔图像的亮度分布信息，并基于所述亮度分布信息，将所述瞳孔图像划分为具有不同图像纹理分布状态的若干不同纹理区域；
步骤S2012：计算所述若干不同纹理区域中的每一个纹理区域对应的亮度分量和/或纹理分量，并根据所述亮度分量和/或所述纹理分量将所述瞳孔图像中的所有像素点划分...

【专利技术属性】
技术研发人员：谭国凯，李斌，何昱，陈治霖，李森，李自羽，
申请(专利权)人：北京爱诺斯科技有限公司，
类型：发明
国别省市：北京;11