CN103136512A - 一种瞳孔定位方法及*** - Google Patents

Abstract

本发明提出了一种瞳孔定位方法及***，包括如下步骤：获取眼部图像；对眼部图像进行预处理，增加眼部图像的整体亮度，以及滤除眼部图像的噪声；统计眼部图像的所有像素点的最大类间方差；根据最大类间方差，计算眼部图像二值化的最佳阈值，实现眼部图像二值化处理；提取瞳孔边缘信息；确定瞳孔中心及半径。本发明的瞳孔定位方法能够快速准确地对瞳孔进行定位，即使在眼睛图像模糊的情况下，也能将瞳孔的中心快速定位出来。本发明的瞳孔定位***结构简单、能够快速准确地对瞳孔进行定位。

Description

一种瞳孔定位方法及***

技术领域

本发明涉及视觉跟踪技术领域，具体涉及一种能够快速准确地实现瞳孔中心定位的瞳孔定位方法及***。

背景技术

探索自然和谐的人机关系已成为计算机研究的一个重要领域，自然、高效、智能化的人机交互界面是当今计算机发展的重要趋势。人机交互领域中，眼睛作为重要的信息交互通道，而视线反应人的注意方向，因而将视线应用于人机交互领域具有其自然性、直接性和交互性等特点，备受人们的关注。目前，视线跟踪技术逐渐成熟，应用也越来越广泛。主要用于图形/广告研究、动态分析、场景研究和人机交互等各种领域，另外在智能计算机、智能家电、虚拟现实和游戏等领域也有很好的应用前景。

瞳孔定位作为视线跟踪中的一个重要研究课题，其准确性和有效性直接影响整个视线跟踪***的优劣。目前，对瞳孔定位的研究方法很多，大多数方法是基于对圆的检测，主要考虑到瞳孔的几何特性，常将其看作一个圆或椭圆。常用的方法包括Hough变换和椭圆拟合的方法，就其本质而言，Hough变换和椭圆拟合都是利用图像的边缘信息作为基础来获得瞳孔的位置和大小。Hough变换的方法是通过参数搜索确定一个圆，而椭圆拟合主要是通过最小二乘法或其它方法来进行椭圆的拟合。Hough变换和椭圆拟合的方法首先都需要对眼部灰度图像进行二值化，然后对二值图像进行边缘信息的提取，就其边缘信息实现定位。然而在求取二值图像时，阈值的选取成为困难，尤其在红外光照下阈值的选取更是不易。

目前，国内外研究了多种关于瞳孔定位的方法，例如通过Hough变换的投票机制在参数空间寻求最优值，利用Hough变换拟合椭圆的算法来定位椭圆，利用Sobel算子结合Hough圆检测的方法来定位瞳孔，以及基于强边缘和弱边缘的情况下采用Hough变换检测圆的方法定位瞳孔。这些方法虽然取得了一定的准确性，但是采用固定阈值的方法无疑增加了方法的局限性，通用性较差，且Hough找圆的方法遍布整幅图像，盲目搜索，同时该方法复杂度大、资源需求大，运算时间长。正是由于这些方法的不足，因此都无法快速而准确地实现瞳孔中心的定位。

发明内容

为了克服上述现有技术中存在的缺陷，本发明的目的是提供一种瞳孔定位方法及***，能够快速准确地对瞳孔进行定位。

为了实现本发明的上述目的，根据本发明的一个方面，本发明提供了一种瞳孔定位方法，包括如下步骤：

S1：获取眼部图像；

S2：对所述眼部图像进行预处理，增加所述眼部图像的整体亮度，以及滤除所述眼部图像的噪声；

S3：统计所述眼部图像的所有像素点的最大类间方差；

S4：根据所述最大类间方差，计算所述眼部图像二值化的最佳阈值，实现眼部图像二值化处理；

S5：提取瞳孔边缘信息；

S6：确定瞳孔中心及半径。

本发明的瞳孔定位方法能够快速准确地对瞳孔进行定位，即使在眼睛图像模糊的情况下，也能将瞳孔的中心快速定位出来。

在本发明的一种优选实施例中，在对所述眼部图像进行预处理的步骤中，增加所述眼部图像的整体亮度的方法为：

S21：将所述眼部图像转化为对应的直方图；

S22：根据所述直方图统计出所述眼部图像中所有像素点的灰度值；

S23：确定像素灰度值的基准，将所述眼部图像的像素点的灰度值依据所述基准进行光线补偿。

本发明通过增加眼部图像的整体亮度，对于一些模糊像素点或者模糊图像也能够快速准确地进行通孔定位，提高了准确性。

在本发明的另一种优选实施例中，所述确定像素灰度值的基准的方法为：选择所有像素点中5%-10%的像素点的灰度值的平均值作为基准。

本发明选择所有像素点中的部分像素点的灰度值的平均值作为基准，选取的比例可以根据实际需要调整，提高了方法的灵活性。

在本发明的一种优选实施例中，在对所述眼部图像进行预处理的步骤中，采用二维的中值滤波器滤除所述眼部图像的噪声。

本发明采用中值滤波和光线补偿的预处理方法，具有对模糊的、偏暗的、由噪声的眼部图像进行提升亮度和滤除噪声的能力，提高了瞳孔定位的准确性。

在本发明的一种优选实施例中，所述步骤S3中统计所述眼部图像的所有像素点的最大类间方差的方法为：

S31：得到所述眼部图像的直方图；

S32：在所述直方图中确定所述眼部图像中像素数目为零的像素灰度值；

S33：确定所述眼部图像中像素数目不为零的像素灰度值，计算所述像素数目不为零的像素灰度值的最大类间方差。

本发明的最大类间方差计算方法，只需要计算像素数目不为零的像素灰度值的最大类间方差，提高了计算速度。

在本发明的一种优选实施例中，选取所述眼部图像的前景和背景的分割阈值，当所述最大类间方差最大时，所述分割阈值为分割的最佳阈值。

本发明利用改进型的最大类间方差法实现自适应阈值提取，具有阈值合适、自适应、速度快的优点。

在本发明的一种优选实施例中，提取瞳孔边缘信息的方法为：

若中心像素点的像素值为255，则不论其余相邻的8个像素点的像素值为何值，一律保留中心像素点的像素值为255；

若中心像素点的像素值为0，且相邻的8个像素点的像素值均为0，则将中心像素点的像素值改变为255；

其余情况时，全部将中心像素点的像素值改为0。

在本发明的另一种优选实施例中，利用最小二乘法确定瞳孔中心及半径。

本发明瞳孔边缘信息的提取方法和基于最小二乘法的确定瞳孔中心及半径的椭圆拟合方法实现瞳孔的精确定位，具有准确快速的特点。

为了实现本发明的上述目的，根据本发明的二个方面，本发明提供了一种瞳孔定位***，包括：眼部图像获取模块、核心处理模块和图像显示模块；所述眼部图像获取模块用于采集眼部图像；所述核心处理模块与所述眼部图像获取模块相连，用于接收所述眼部图像并按照本发明所述的方法进行眼部图像处理并实现瞳孔定位；所述图像显示模块与所述核心处理模块相连，用于对眼球的运动和瞳孔定位结果进行显示。

本发明的瞳孔定位***能够快速准确地对瞳孔进行定位，即使在眼睛图像模糊的情况下，也能将瞳孔的中心快速定位并显示出来。

在本发明的一种优选实施例中，还包括数据转换模块，所述数据转换模块分别与所述眼部图像获取模块和所述核心处理模块相连，用于实现所述眼部图像数据的格式转换并将转换后的眼部图像传输至所述核心处理模块。

本发明数据转换模块进行格式转换，当眼部图像获取模块采集的数据获得的眼部图像数据与核心处理模块能够处理的数据类型不同时，利用该数据转换模块对眼部图像获取模块采集的数据格式进行转换，提高了瞳孔定位***的兼容性。

在本发明的一种优选实施例中，所述眼部图像获取模块为眼动仪。

本发明采用眼动仪采集眼部图像，确保眼部图像准确无误，提高了准确性且便于及时处理。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1是本发明瞳孔定位方法的流程图；

图2是本发明一种优选实施方式中眼部图像所对应的直方图；

图3是本发明一种优选实施方式中采集的眼部图像图；

图4是对图3所示眼部图像的预处理效果图；

图5是图3所示眼部图像的二值化效果图；

图6是图3所示眼部图像的瞳孔中心定位效果图；

图7为本发明一种优选实施方式中瞳孔定位***的结构示意图；

图8为本发明另一种优选实施方式中瞳孔定位***的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，除非另有规定和限定，需要说明的是，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

本发明提供了一种瞳孔定位方法，如图1所示，包括如下步骤：

S1：获取眼部图像；

S2：对所述眼部图像进行预处理，增加所述眼部图像的整体亮度，以及滤除所述眼部图像的噪声；

S3：统计所述眼部图像的所有像素点的最大类间方差；

S4：根据所述最大类间方差，计算所述眼部图像二值化的最佳阈值，实现眼部图像二值化处理；

S5：提取瞳孔边缘信息；

S6：确定瞳孔中心及半径。

本发明的瞳孔定位方法在步骤S1中，获取眼部图像，在本发明的一种优选实施方式中，通过眼动仪采集眼睛转动的眼部视频图像，并存于计算机内；然后利用步骤S2至步骤S4采集每一帧眼部视频图像，实现图像的预处理和自适应二值化处理；最后利用步骤S5至步骤S6对瞳孔进行定位，具体提取瞳孔边缘信息并确定瞳孔中心及半径。本发明的瞳孔定位方法能够快速准确地对瞳孔进行定位，即使在眼睛图像模糊的情况下，也能将瞳孔的中心快速定位出来。

在本发明的一种优选实施方式中，该瞳孔定位方法的具体步骤为：

第一步：获取眼部图像，在本实施方式中，利用眼动仪的摄像机获取眼部图像视频并存于计算机的存储器内，图3示出了由眼动仪采集的三幅不同角度的眼部图像。

第二步：对眼部图像进行预处理，增加眼部图像的整体亮度，以及滤除眼部图像的噪声，处理后的图像如图4所示，在本实施方式中，采集每一帧眼部图像做图像预处理，通过光线补偿增加图像整体亮度及滤除噪声。在对眼部图像进行预处理的步骤中，通过光线补偿增加眼部图像的整体亮度的方法为：

S21：将眼部图像转化为对应的直方图，在本实施方式中，如图2所示，通过图像视觉库结合软件Visual studio2010将眼部图像转化为对应的直方图，其横坐标为灰度值，其纵坐标为灰度值所对应的像素个数。

S22：根据直方图统计出眼部图像中所有像素点的灰度值。

S23：确定像素灰度值的基准，将眼部图像的像素点的灰度值依据基准进行光线补偿。在本实施方式中，确定像素灰度值的基准的方法为：选择所有像素点中一定数量的像素点的灰度值的平均值作为基准，在本发明的一个更加优选的实施方式中，选取5%-10%的像素点的灰度值的平均值作为基准。优选采用8%的像素点的灰度值的平均值作为基准。本发明选择所有像素点中的部分像素点的灰度值的平均值作为基准，选取的比例可以根据实际需要调整，提高了方法的灵活性。

在确定基准后，将眼部图像的像素点的灰度值依据基准进行光线补偿。在本实施方式中，可以对所有的像素点的灰度值进行光线补偿，也可以对除确定基准所选取的像素点以外的其他所有像素点的灰度值进行光线补偿。

在本实施方式中，具体光线补偿的方法可以为但不限于按比例系数进行补偿的方法，取基准灰度值的一定比例系数加到所有的像素点的灰度值上，例如取基准灰度值的50%加到所有的像素点的灰度值上，从而实现对所有的像素点的灰度值的光线补偿，增强了眼部图像的亮度。本发明通过增加眼部图像的整体亮度，对于一些模糊像素点或者模糊图像也能够快速准确地进行通孔定位，提高了准确性。

在对眼部图像进行光线补偿后，滤除眼部图像的噪声，在本实施方式中，滤波器采用非线性滤波器，可以采用但不限于均值滤波器或和中值滤波器，优选采用中值滤波器，在本发明的一种更加优选的实施方式中，采用二维的中值滤波器滤除眼部图像的噪声，具体的实现过程如下：

用一个含有奇数点的滑动窗口在图像上滑动，将窗口中心点对应图像像素点的灰度值用窗口内的中间值代替。

由于眼部图像是二维的，采用二维滤波器，该滤波器可由下式表示：

$y_{i,j}=\underset{s}{\mathrm{Med}}\left\{f_{i,j}\right\}---\left(1\right)$

其中，S表示滤波窗口，｛f_i，j｝为图像像素的序列，y_i，j为滤波器的输出。

本发明采用中值滤波和光线补偿的预处理方法，具有对模糊的、偏暗的、由噪声的眼部图像进行提升亮度和滤除噪声的能力，提高了瞳孔定位的准确性。

第三步：统计眼部图像的所有像素点的最大类间方差，在本发明的另一种优选实施方式中，也可以采用改进的最大类间方差计算方法，即并不是计算所有像素点的最大类间方差，而是计算某一部分像素点的最大类间方差，具体的方法可以为但不限于根据眼部图像直方图，统计出眼部图像中未出现的像素灰度值，计算余下像素的最大类间方差，在本实施方式中，计算最大类间方差的方法为：

S31：得到眼部图像的直方图；

S32：在直方图中确定眼部图像中像素数目为零的像素灰度值；

S33：确定眼部图像中像素数目不为零的像素灰度值，计算像素数目不为零的像素灰度值的最大类间方差。

本发明的最大类间方差计算方法，只需要计算像素数目不为零的像素灰度值的最大类间方差，提高了计算速度。

在本发明的一种优选实施例中，选取眼部图像的前景和背景的分割阈值，当最大类间方差最大时，分割阈值为分割的最佳阈值。本发明利用改进型的最大类间方差法实现自适应阈值提取，具有阈值合适、自适应、速度快的优点。

在本实施方式中，在第二步中对预处理的眼部图像做直方图处理后，然后采用改进的最大类间方差法求取统计出图像中未出现的像素灰度值，仅计算余下像素的最大类间方差。如图2所示，该直方图在图像灰度值为0-35之间及210-255之间的这两部份灰度值所对应的像素数目都为零，因此在求取最大类间方差时，先将图像中这两部分像素灰度值统计出来，不计算其所对应的类间方差值，只对余下的像素进行计算。

计算最大类间方差的原理如下：计t为图片前景和背景的分割阈值，其中前景点数占整个图像比例为w0，其图像平均灰度值为u0，背景点数占图像比例为w1，其图像平均灰度值为u1，于是可计算得图像总平均灰度为u。从最小灰度值到最大灰度值遍历为t，当t使得类间方差值g最大时，此时t即为分割的最佳阈值。

设图像大小为M*N像素，L为图像灰度值的级别，在本实施方式中，L的取值为1-255，设图像中像素的灰度值小于t的像素个数记作N0，像素灰度大于t的像素个数记作N1，可计算得：

$w_0=\frac{N_0}{M\×N}---\left(2\right)$

N₀+N₁=M×N                  （3）

w₀+w₁＝1                    （4）

u＝w₀u₀+w₁u₁                （5）

g＝w₀(u₀-u)²+w₁(u₁-u)²       （6）

将式（5）带入式（6）内，得到式（7）：

g＝w₀w₁(u₀-u₁)²              （7）

t将从0至L-1依次取值，当g取最大时的t值为图像分割的最佳阈值。

第四步：根据最大类间方差，计算眼部图像分割的最佳阈值后，进行二值化处理，灰度值大于t值的像素点的灰度值取为p1，灰度值小于t值的像素点的灰度值取为p2，且p1>p2。从而实现眼部图像二值化处理，处理结果如图5所示。在本实施方式中，根据眼部的运动情况动态获取眼部图像分割的最佳阈值，并根据最佳阈值进行动态的二值化处理。在本实施方式中，还可以对二值化处理后的眼部图像进行滤噪和修补，具体的方法为：

经过自适应阈值提取得到的二值化眼部图像会存在由于角膜反光造成的瞳孔目标的孔洞、眼睫毛遮挡带来的阴影、毛刺等等导致的噪声和缺陷的情况，因此需要对二值化眼部图像进行图像滤噪修补，在本实施方式中，采用腐蚀操作、膨胀操作、开运算和闭运算实现滤噪修补，在本发明的一种更加优选的实施方式中，具体采用5次腐蚀操作、5次膨胀操作、1次开运算、1次闭运算实现较好的滤噪修补效果，其中，具体采用的函数和参数设置为：

腐蚀操作函数为：cvErode(threshold,threshold,NULL,5);

膨胀操作函数为：cvDilate(threshold,threshold,NULL,5);

开运算函数为：

cvMorphologyEx(threshold,threshold,0,0,CV_MOP_OPEN,1);

闭运算函数为：

cvMorphologyEx(threshold,threshold,0,0,CV_MOP_CLOSE,1)。

第五步：在二值化处理后的眼部图像上提取瞳孔边缘信息。在本实施方式中，提取瞳孔边缘信息的方法为：

若中心像素点的像素值为255，则不论其余相邻的8个像素点的像素值为何值，一律保留中心像素点的像素值为255；

若中心像素点的像素值为0，且相邻的8个像素点的像素值均为0，则将中心像素点的像素值改变为255；

其余情况时，全部将中心像素点的像素值改为0。

第六步：确定瞳孔中心及半径。在本实施方式中，如图6所示，利用最小二乘法确定瞳孔中心及半径。采用基于最小二乘法来实现对边缘点的拟合链接的基本思想是：求各候选点到圆上距离的平方和最小。设瞳孔的椭圆方程为：

Ax²+Bxy+Cy²+Dx+Ey+F=0        （8）

其约束条件为：

B²-4AC<0                     （9）

由最小二乘法原理可得：

$\min f(A,B,C,D,E,F)=$

$\min \underset{i}{\overset{n}{\mathrm{\&Sigma;}}}{({\mathrm{Ax}}_i^2+{\mathrm{Bx}}_i{y}_i+{\mathrm{Cy}}_i^2+{\mathrm{Dx}}_i+{\mathrm{Ey}}_i+F)}^2---\left(10\right)$

通过极值定理，欲使f(A,B,C,D,E)的值为最小，必有：

$\frac{\&PartialD;f}{\&PartialD;A}=\frac{\&PartialD;f}{\&PartialD;B}=\frac{\&PartialD;f}{\&PartialD;C}=\frac{\&PartialD;f}{\&PartialD;D}=\frac{\&PartialD;f}{\&PartialD;E}=\frac{\&PartialD;f}{\&PartialD;F}=0---\left(11\right)$

由此可得到一个线性方程组，然后结合约束条件，可解得方程系数A，B，C，D，E，F的值。于是椭圆的中心坐标（xp，yp）、长轴和短轴（a，b）均可通过以下式子求的，从而获得了瞳孔的半径和中心坐标值：

$\left\{\begin{array}{c}\\ |a,b|=2{\left\{\frac{-2F}{A+C\&PlusMinus;{{[B^2+\left(\frac{A-C}{F}\right)}^2]}^{1/2}}\right\}}^{1/2}\\ x_p=(\mathrm{BE}-2\mathrm{CD})/(4\mathrm{AC}-B^2),\\ y_p=(\mathrm{BD}-2\mathrm{AE})/(4\mathrm{AC}-B^2),\end{array}\right.----(12)$

本发明瞳孔边缘信息的提取方法和基于最小二乘法的确定瞳孔中心及半径的椭圆拟合方法实现瞳孔的精确定位，具有准确快速的特点。

本发明的基于改进型最大类间方差法的瞳孔定位方法通过图像预处理操作和对图像中存在的像素灰度值计算最大类间方差的方法，快速且准确地求取了图像分割的最佳阈值，为瞳孔边缘信息的完好提取奠定基础；最后在此基础上采用轮廓提取方法和基于最小二乘法的椭圆拟合方法实现瞳孔的精确定位并提高了运算速率。

为了实现通孔的定位，本发明还提供了一种瞳孔定位***，如图7所示，其包括眼部图像获取模块1、核心处理模块2和图像显示模块3。在本实施方式中，核心处理模块2位于计算机内，在计算机内还具有存储器，用于存储眼部图像获取模块1采集的眼部图像，用户可以通过核心处理模块2调用存储器内的眼部图像并通过图像显示模块3进行随时查看。该瞳孔定位***的眼部图像获取模块1用于采集眼部图像；核心处理模块2与眼部图像获取模块1相连，用于接收眼部图像并按照本发明的瞳孔定位方法进行眼部图像处理并实现瞳孔定位；图像显示模块3与核心处理模块2相连，用于对眼球的运动和瞳孔定位结果进行显示。本发明的瞳孔定位***能够快速准确地对瞳孔进行定位，即使在眼睛图像模糊的情况下，也能将瞳孔的中心快速定位并显示出来。

在本发明的一种优选实施方式中，如图8所示，该瞳孔定位***还包括数据转换模块4，数据转换模块4分别与眼部图像获取模块1和核心处理模块2相连，用于实现眼部图像数据的格式转换并将转换后的眼部图像传输至所述核心处理模块2。本发明数据转换模块4进行格式转换，当眼部图像获取模块1采集的数据获得的眼部图像数据与核心处理模块2能够处理的数据类型不同时，利用该数据转换模块4对眼部图像获取模块1采集的数据格式进行转换，提高了瞳孔定位***的兼容性。

在本实施方式中，眼球图像数据由光学感应器获得，经由数据转换模块4的传输到达核心处理模块2中，完成图像处理和瞳孔定位算法，并标记瞳孔中心位置，最后和图像数据一并送图像显示模块3，输出瞳孔定位的结果。在本实施方式中，瞳孔定位***在眼球运动过程中对瞳孔的位置进行实时显示，实现眼球运动的跟踪。

在本实施方式中，眼部图像获取模块1为眼动仪或光学感应器，优选采用眼动仪，本发明采用眼动仪采集眼部图像，确保眼部图像准确无误，提高了准确性且便于及时处理。

在本发明另外的优选实施方式中，该瞳孔定位***还包括电源与***电路5，用于为眼部图像获取模块1、核心处理模块2、图像显示模块3和数据转换模块4提供电能，保证眼部图像获取模块1、核心处理模块2、图像显示模块3和数据转换模块4的正常工作。

在本实施方式中，眼部图像获取模块1选用MICRON公司的MT9V011芯片作为光学感应SENSOR，图像分辨率为640*480，拍摄的眼部图像的帧率为15帧/秒，无论是图像的精细度和拍摄频率都满足人类平常眼球运动的要求。数据转换模块4选用CP2102，具有USB2.0的全速接口，满足数据量大的传输要求，并且与后面的处理芯片兼容。核心处理模块2选用三星公司的ARM11系列处理芯片S3C6410，速度和性能都能满足图像和算法分析的要求。图像显示模块3可以选用现有常用的显示模块，电源与***电路5可以选用现有的电源芯片，只要提供的工作电压满足眼部图像获取模块1、核心处理模块2、图像显示模块3和数据转换模块4的电压要求即可。该瞳孔定位***在对正常人的眼球运动和视觉跟踪过程中，具有良好的准确性和实时性。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (10)

1.一种瞳孔定位方法，其特征在于，包括如下步骤：

S1：获取眼部图像；

S2：对所述眼部图像进行预处理，增加所述眼部图像的整体亮度，以及滤除所述眼部图像的噪声；

S3：统计所述眼部图像的所有像素点的最大类间方差；

S4：根据所述最大类间方差，计算所述眼部图像二值化的最佳阈值，实现眼部图像二值化处理；

S5：提取瞳孔边缘信息；

S6：确定瞳孔中心及半径。

2.如权利要求1所述的瞳孔定位方法，其特征在于，在对所述眼部图像进行预处理的步骤中，增加所述眼部图像的整体亮度的方法为：

S21：将所述眼部图像转化为对应的直方图；

S22：根据所述直方图统计出所述眼部图像中所有像素点的灰度值；

S23：确定像素灰度值的基准，将所述眼部图像的像素点的灰度值依据所述基准进行光线补偿。

3.如权利要求2所述的瞳孔定位方法，其特征在于，所述确定像素灰度值的基准的方法为：选择所有像素点中5%-10%的像素点的灰度值的平均值作为基准。

4.如权利要求1或2所述的瞳孔定位方法，其特征在于，在对所述眼部图像进行预处理的步骤中，采用二维的中值滤波器滤除所述眼部图像的噪声。

5.如权利要求1所述的瞳孔定位方法，其特征在于，所述步骤S3中统计所述眼部图像的所有像素点的最大类间方差的方法为：

S31：得到所述眼部图像的直方图；

S32：在所述直方图中确定所述眼部图像中像素数目为零的像素灰度值；

S33：确定所述眼部图像中像素数目不为零的像素灰度值，计算所述像素数目不为零的像素灰度值的最大类间方差。

6.如权利要求1或5所述的瞳孔定位方法，其特征在于，选取所述眼部图像的前景和背景的分割阈值，当所述最大类间方差最大时，所述分割阈值为分割的最佳阈值。

7.如权利要求1所述的瞳孔定位方法，其特征在于，提取瞳孔边缘信息的方法为：

若中心像素点的像素值为255，则不论其余相邻的8个像素点的像素值为何值，一律保留中心像素点的像素值为255；

若中心像素点的像素值为0，且相邻的8个像素点的像素值均为0，则将中心像素点的像素值改变为255；

其余情况时，全部将中心像素点的像素值改为0。

8.一种瞳孔定位***，其特征在于，包括：眼部图像获取模块、核心处理模块和图像显示模块；

所述眼部图像获取模块用于采集眼部图像；

所述核心处理模块与所述眼部图像获取模块相连，用于接收所述眼部图像并按照权利要求1-7之一所述的方法进行眼部图像处理并实现瞳孔定位；

所述图像显示模块与所述核心处理模块相连，用于对眼球的运动和瞳孔定位结果进行显示。

9.如权利要求8所述的瞳孔定位***，其特征在于：还包括数据转换模块，所述数据转换模块分别与所述眼部图像获取模块和所述核心处理模块相连，用于实现所述眼部图像数据的格式转换并将转换后的眼部图像传输至所述核心处理模块。

10.如权利要求8所述的瞳孔定位***，其特征在于：所述眼部图像获取模块为眼动仪。

Images