眼部区域瞳孔定位关键技术研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 课题研究背景及意义 | 第8-13页 |
| 1.1.1 瞳孔定位的背景及相关应用 | 第8-10页 |
| 1.1.2 瞳孔定位在视野计检测中的应用 | 第10-12页 |
| 1.1.3 国内外研究现状 | 第12-13页 |
| 1.1.4 研究的难点问题 | 第13页 |
| 1.2 本文的主要创新点及内容安排 | 第13-16页 |
| 1.2.1 本文主要创新点 | 第13-14页 |
| 1.2.2 本文结构安排 | 第14-16页 |
| 2 基于直方图特征的瞳孔区域提取 | 第16-28页 |
| 2.1 阈值分割算法简介 | 第16-18页 |
| 2.1.1 基于统计学习的方法 | 第16-17页 |
| 2.1.2 基于局部自适应方法 | 第17页 |
| 2.1.3 基于直方图形态的方法 | 第17-18页 |
| 2.2 基于直方特征的阈值分割方法 | 第18-24页 |
| 2.2.1 高斯核函数平滑曲线 | 第18-21页 |
| 2.2.2 直方图波谷检测 | 第21-24页 |
| 2.3 实验结果及对比 | 第24-27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 图像梯度计算方法的选择与分析 | 第28-37页 |
| 3.1 梯度计算简介 | 第28-30页 |
| 3.1.1 梯度及其性质 | 第28-29页 |
| 3.1.2 水平垂直差分和Roberts梯度算子 | 第29页 |
| 3.1.3 Prewitt和Sobel梯度算子 | 第29-30页 |
| 3.2 基于高斯导数核的梯度计算 | 第30-33页 |
| 3.2.1 二维高斯核函数 | 第30-31页 |
| 3.2.2 基于高斯一阶导数核的梯度计算方法 | 第31-33页 |
| 3.3 实验结果及分析 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 4 基于梯度信息修正的目标区域边缘提取 | 第37-46页 |
| 4.1 图像预处理 | 第37-40页 |
| 4.1.1 形态学的基本操作 | 第38页 |
| 4.1.2 形态学重建 | 第38-39页 |
| 4.1.3 填充孔洞 | 第39页 |
| 4.1.4 清除边界物体 | 第39-40页 |
| 4.2 目标区域边缘点位置修正 | 第40-44页 |
| 4.2.1 二值图像边缘追踪 | 第41-42页 |
| 4.2.2 基于梯度信息的边缘点修正 | 第42-44页 |
| 4.3 实验结果及分析 | 第44-45页 |
| 4.4 本章小结 | 第45-46页 |
| 5 基于梯度方向约束的瞳孔定位方法 | 第46-63页 |
| 5.1 圆形检测算法简介 | 第46-49页 |
| 5.1.1 霍夫变换类圆形检测算法（CHT） | 第46-48页 |
| 5.1.2 随机霍夫变换类圆形检测算法（RHT） | 第48页 |
| 5.1.3 随机圆检测算法（RCD） | 第48-49页 |
| 5.2 基于梯度方向约束的随机圆检测算法 | 第49-54页 |
| 5.2.1 基本思路 | 第49-50页 |
| 5.2.2 候选圆筛选 | 第50-53页 |
| 5.2.3 确认真实圆 | 第53-54页 |
| 5.3 GRCD算法具体流程 | 第54-55页 |
| 5.4 实验结果及分析 | 第55-62页 |
| 5.4.1 瞳孔定位实验结果及分析 | 第55-60页 |
| 5.4.2 在合成图像上的实验分析及对比 | 第60-62页 |
| 5.5 本章小结 | 第62-63页 |
| 6 总结与展望 | 第63-65页 |
| 6.1 本文工作总结 | 第63页 |
| 6.2 未来工作展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 附录 | 第69页 |
| A. 作者在攻读学位期间内发表的论文 | 第69页 |
