آشکارسازی مردمک به منظور تشخیص خودکار بیماری‌های چشم با استفاده از نگاشت رنگی بهینه

مقدمه: دسته‌ مهمی از بیماری‌های مربوط به چشم شامل اختلالات مردمک و عنبیه چشم است. بخش‌بندی دقیق مردمک اولین و مهم‌ترین گام در تشخیص خودکار بیماری‌های مربوط به مردمک و عنبیه چشم می‌باشد. اکثر روش‌های موجود دقت کافی نداشته و نسبت به اثرات نویز و انعکاس مولفه‌های نوری، حساس می‌باشند. ضمن این که تصاویر استفاده شده در آن‌ها نیز معمولاً محدودیت‌هایی از جمله زاویه دید را دارند. روش: در الگوریتم پیشنهادی ابتدا روشی پایدار جهت حذف مولفه‌های انعکاس در مردمک و پیش پردازش‌های لازم به منظور تشخیص محل دقیق مردمک پیشنهاد شده است. سپس یک الگوریتم نگاشت رنگی بهینه به کمک الگوریتم لونبرگ-مارکوارت برای تعیین دقیق مرز مردمک محاسبه شده است. این روش هیچ‌گونه اعمال محدودیتی بر روی تصویر چشم نداشته و شکل و زاویه دید مردمک در تصویر به هر شکل و در هر جهتی می‌تواند باشد. نتایج: روش پیشنهادی هیچ مدل خاصی (دایره یا بیضی) را به عنوان مرز نهایی مردمک در نظر نگرفته و نسبت به نوفه و انعکاس نور  مقاوم است. این روش توانسته در تشخیص دقیق مرز مردمک با نرخ تشخیص 98/8 و 98 درصد به ترتیب برای پایگاه داده ubiris و پایگاه داده گردآوری شده، عملکرد بهتری در مقایسه با الگوریتم‌های مهم ارائه شده در سال‌های اخیر داشته باشد. نتیجه‌گیری: از روش ارائه شده در این پژوهش می‌توان برای افزایش دقت در بخش‌بندی مرز داخلی و خارجی عنبیه به منظور تشخیص بیماری‌های مربوط به مردمک و عنبیه چشم، همچنین جهت تشخیص هویت از طریق عنبیه چشم استفاده کرد.

pupil detection for automatic diagnosis of eye diseases using optimized color mapping

introduction: pupil and iris disorders form an important category of eye diseases. accurate segmentation of the pupil is the first and most important step in the automatic diagnosis of diseases related to the pupil and iris. most of the existing methods do not have enough accuracy and are sensitive to the effects of noise and specular spot reflection. in addition, the images used in these methods usually have limitations, such as the viewing angle. method: in the proposed algorithm, a stable method is offered to remove the effects of specular spot reflection in the pupil, and necessary preprocessing is done to detect the exact location of the pupil. an optimized color mapping algorithm is proposed and the mapping is calculated with the help of the lm algorithm to accurately determine the pupil boundary. this method does not impose any restrictions on the eye image and shape, and the angle of the pupil in the image can be in any shape and direction. results: the proposed method does not assume any specific model as the final pupil boundary (circle or oval) and is robust to noise and specular reflection factors as well. this method has been able to accurately detect the pupil boundary with the accuracy of 98.8% using ubiris dataset and 98% using the collected data by authors. conclusion: the method presented in this paper can be used to increase the accuracy in determining the internal and external border of the iris to diagnose diseases related to the pupil and iris, as well as identity identification based on iris tissue.