一种基于MATLAB的临床瞳孔孔径测量方法

医护人员可通过观察患者瞳孔孔径大小及其动态变化,实现对昏迷、中毒、心衰、颅脑损伤等多种病症判断。瞳孔检查具有客观、无创、易操作的优点,已成为临床常用的疾病检测手段。目前,临床主要采用目测或瞳孔尺进行瞳孔状态的主观评测,虽操作简单,但存在检测灵敏度低、测量精度不高、测量值可复现性差等缺点,特别是当急危重症患者的瞳孔尺寸发生微小变化时,难以准确及时地监测瞳孔状态,导致患者错过最佳治疗窗口期。针对传统图像处理方法中瞳孔孔径测量精度受伪边界点干扰问题,该研究以MATLAB作为瞳孔图像处理软件平台,采用图像灰度转化、高斯滤波去噪、二值化处理、边缘检测等步骤得到瞳孔轮廓坐标,通过构建伪边界点检测模型实现伪边界点的准确剔除,并在此基础上采用最小二乘圆拟合算法实现瞳孔孔径计算。实验结果表明,与传统方法相比,该研究方法可有效降低外界干扰对瞳孔孔径测量的影响,测量准确度较传统方法最低提升约6.1%,测量时间较传统方法最低减少约0.52s,具备较高的临床应用价值。

扫描线局部特征约束的车载LiDAR点云城市道路边界提取方法

城市环境下的车载LiDAR点云在道路边界提取时容易受到路边车辆、行人遮挡等影响,而造成伪边界点的生成和边界线的不连续。本文发现利用高程标准差约束能够有效的处理该类问题。本文首先进行数据预处理,包括点云分段及地面点滤波、基于相邻点间距离将地面点整合成扫描线存储;其次基于扫描线建立连续双窗口,采用扫描线双向移动窗口法,构造双窗口之间高差、夹角值、高程标准差3种约束条件获取候选路坎点,并根据道路边界的连续性采用密度聚类中的DBSCAN算法聚类去噪,生成较为连续且精确的路坎边界点;最后对边界断点区域计算累计曲率值和距离来判断该位置是否为路口,若边界线断点为路口不进行连接,反之,视为车辆或行人遮挡导致的断点,采用二次多项式曲线填补拟合,获得边界的数学参数模型。实验结果表明,在存在较多遮挡的城市环境下道路边界提取精度能够达到80%以上。

基于散乱点云的孔洞边界特征点检测

针对模型中存在距离真实孔洞边界点较近的伪边界点情况,大多孔洞识别算法并不能提取完整边界点集合且易出现边界点误识别现象,提出一种融合一阶张量和二阶张量投票算法的孔洞边界特征点检测方法。首先通过建立新衰减函数实现在邻域范围内的一阶棒张量投票的边界点初步提取;再对二阶棒、板、球三种张量相加得到的半正定矩阵进行特征值与显著性的对应关系分析,进一步提取孔洞边界点;最后将两次提取到的边界点集取并集,同时进行噪点的去除,进而达到孔洞边界点检测的目的。试验结果表明,该方法可有效排除伪边界点对孔洞边界特征提取的影响,能够达到较为理想的检测效果,且对噪声较为鲁棒,具有较低的算法复杂度。