[发明专利]一种眼震位移矢量的统计分析方法

权利要求书

1、一种眼震位移矢量的统计分析方法，包含以下步骤：

a)对视频图像中的眼球定位：将在850nm红外光源照射下获得的眼球视频图像按帧进行中值滤波消除噪点，然后进行腐蚀运算，并将每帧腐蚀前的图像与腐蚀图像求差，得到瞳孔轮廓线，采用可变形圆形模板对上述瞳孔轮廓线进行检测，并用圆心坐标作为眼球的位置(x_i，y_i)并记录；

b)位移统计图：将记录的上述眼球位置进行逐帧差分运算，得到若干个1/25秒等时间间隔的位移矢量(μ_i，v_i)，再对所有位移矢量进行统计，得到一幅描绘位移频度的位移统计图；

c)对步骤b)获得的位移统计图进行Gabor变换：采用10种尺度和8个方向得到80个滤波器，Gabor变换得到的是由实部和虚部组成的复数，取其幅值作为特征系数；

d)主分量分析：根据步骤c)获得的Gabor特征系数分布的集中特性，先根据阈值进行区域限定，然后对同类样本进行主分量分析(EPCA)，获得特征值，从大到小选取若干个特征值对应的特征向量构成新的特征空间，然后，针对指定的滤波器，通过K-L变换得到各个样本在新的特征空间的投影值；

e)构造特征向量：采用频率f₀、θ、Gabor特征系数均值、方差以及步骤d)获得的投影值组成含特征向量；

f)由SVM训练获得弱分类器并进行分组：依据步骤e)获得的不同滤波器对应的80个特征向量组成80组，每一组采用SVM方法加入训练集中分别参与训练，对训练集中样本的所有特征向量进行分组训练得到80个弱分类器，并对弱分类器进行分组：由选择出的用训练集中某类样本进行测试时分类效果好的若干个弱分类器分为一组；

g)强分类器构造：将每组的弱分类器依据AdaBoost方法进行加权组合，其权值在该组所有弱分类器组合迭代过程中依据分类效果自适应调整，从而得到强分类器；每个强分类器所包含的所有弱分类器对应的特征向量适合于描述训练集中某特定类样本的特征，因而划归为与该类样本相同或相近似的类别；

h)建立分析模型并汇报结果：将步骤g)得到的各强分类器组织成瀑布型(Cascade)分析模型，得到视频图像所属类别、对应的特征向量、同类特征向量均值，并以图形方式显示出来，对被强分类器拒识的信息进行存储或打印。

2、根据权利要求1所述的一种眼震位移矢量的统计分析方法，其特征是：步骤f)中所述的训练集中的样本由已知类别的眼球视频图像，通过上述步骤a)～e)获得其对应的80个特征向量组；训练集中包括至少由一个类别的眼球视频图像获得的特征向量组；训练集中的样本包括：由已知斜视、帕金森综合症、老年痴呆、眩晕、癫痫及中枢神经疾病患者的眼球视频图像提取的特征向量。