一、基于眼瞳图像获取人眼屈光度的新方法（论文文献综述）
王祺,刘智颖,贾文涛,黄蕴涵,贺文俊[1]（2022）在《人眼海丁格尔刷效应的偏振感知建模与分析(特邀)》文中研究指明海丁格尔刷效应是一种人眼对线偏振光进行感知的内视效应,可用于判断人眼黄斑疾病的病变情况。针对现有海丁格尔刷效应图像存在难以精确仿真和分析的问题,通过三维琼斯矩阵和矢量对人眼的偏振感知效应进行计算,建立了一种人眼偏振感知模型,对理想、近/远视和散射等形式的人眼进行了偏振像差分析。结果表明:在人眼内介质均匀的情况下,人眼光瞳上正入射的460 nm波长线偏振光因晶状体[-5D,+5D]屈光度差异所产生的二向衰减小于1%。基于所建立的人眼偏振感知模型,利用入射偏振光的三维琼斯矢量对人眼光瞳上不同入射光场和屈光度的海丁格尔刷效应强度图像进行仿真计算,为海丁格尔刷效应的研究提供有效理论依据,扩大海丁格尔刷效应在人眼黄斑病变检测中的应用。
郑洋[2]（2020）在《智能斜视诊断中的人眼检测方法研究》文中认为斜视是一种常见多发的眼科疾病,约有4%的人群遭受斜视的困扰。斜视不仅会对视力造成严重的后果,而且会对患者的精神心理、社交、工作就业、生活质量等带来严重的影响。为了给予斜视患者合适的治疗,及时有效的诊断尤为重要。但是,临床上的斜视诊断依赖于医师的执行和解释,诊断具有主观性。随着成像技术、计算机技术、图像处理技术等不断发展,尤其是人眼检测技术的广泛应用,基于计算机辅助的智能斜视诊断技术以其自动性、客观性、可重复性的特点日益受到研究者们的关注。目前,国内外研究人员在智能斜视诊断领域的研究尚不成熟,存在的问题主要表现在:（1）采用专门的眼动追踪设备（如眼动仪）或人眼检测专用设备进行眼睛检测和追踪以检查斜视偏斜的方法,设备价格昂贵,一般需要测试前校准过程,对于年幼的儿童和无法进行常规感觉运动检查的患者则不适用;（2）现有的设备或研究对于斜视的诊断主要给出斜视存在与否或方向的结论,而对于斜视程度的量化则研究较少或只是一个粗略的估计;（3）大多数研究关注于智能斜视诊断算法的研究,而斜视专科测试则仍由专业医师执行并利用摄像头等设备手动记录测试的过程,诊断具有半自动性。本论文围绕智能斜视诊断中的人眼检测方法进行了系统介绍和重点问题的研究。论文主要研究工作总结如下:（1）在智能斜视诊断中,为了实现廉价消费者硬件在较少约束环境下获取的低质量眼睛图像上准确鲁棒的瞳孔定位,提出了一种基于级联Haar特征和改进Starburst的瞳孔定位算法。首先通过Haar特征的级联及区域直方图上的Kmeans聚类分割,获取粗略的瞳孔区域;通过边缘检测、边缘滤波以及扇区化操作,得到了不同扇区的瞳孔轮廓点;最后基于扇区化RANSAC策略实现了瞳孔的椭圆拟合。该算法和四种经典的瞳孔定位方法在Pupil-5795、Swirski-600和CASIA-581数据集上做了测试。结果表明该算法在三个数据库上的表现都是最优的,在5个像素误差范围内的瞳孔定位准确率分别达到了92.1%,85.2%,80.2%。（2）针对智能斜视诊断中仅通过瞳孔定位测量眼位偏斜无法排除轻微头部运动的干扰,以及对于单个特征的人眼检测不能综合反映眼睛的整体特性,提出了一种卷积神经网络引导的进化参数眼建模算法。首先眼睛模型由四条参数曲线组成;卷积神经网络模型Dense Net-121被采用作为适应性函数以指导进化;伴随着GA进化搜索,参数眼睛模型向着优化的方向进化以获取最优的模型参数。该算法和五种经典的眼睛建模方法在FAED-50和CASIA-Iris-Distance数据集上做了测试。该算法在FAED-50上表现最优,在眼睛各组分及综合轮廓拟合指标Eiris、Epupil、Esocket及ECTtotal上分别达到了0.62,0.61,0.27和1.50,并且虹膜与瞳孔中心定位在5个像素误差范围内的准确率分别达到了86%和96%;在CASIA-Iris-Distance上,该算法同样达到了可比较或最优的效果。（3）针对目前斜视诊断专科检查依赖于专业医师执行,智能斜视诊断自动化程度不高的问题,搭建了基于遮盖测试的自动遮盖同步追踪的智能斜视诊断硬件平台。操作者通过上位机界面发送指令经USB3.0传输到FPGA,FPGA在接收到指令后控制伺服电机执行相应的动作;近红外相机模组实现在执行自动遮盖测试时同步记录下患者的近红外影像。系统在50s以内完成了斜视专科检查的自动遮盖测试,通过对24个斜视数据的统计分析验证了所提出系统对于实现眼睛斜视诊断的可行性。（4）针对智能斜视诊断对于眼位偏斜测量量化不足的问题,我们收集了24个有效的斜视数据,并提出了一种基于自动遮盖测试的智能视频斜视诊断方法,包括眼睛区域提取、虹膜检测及模板生成、关键帧检测、瞳孔检测、偏移量计算以及斜视诊断等步骤。所提出的智能诊断方法可以实现自动的斜视诊断,尤其是对于斜视偏移量的准确测量上表现出了令人满意的效果,在水平方向8个斜视度误差范围内准确率达到91%以上,在垂直方向4个斜视度误差范围内准确度达到86%以上。另外所提出方法在斜视诊断结果上获得了88.9%的灵敏性,93.3%的特异性,以及91.7%的准确性。
赵雪汝[3]（2020）在《基于角膜地形图的3D角膜参数化建模研究》文中指出目的:角膜是眼球屈光系统的主要组成部分,极大地影响着眼球总的光学性能和视觉质量。因为位于眼球的最前端而容易受到外伤,且在眼球疾病中,角膜疾病如圆锥角膜等有较高的发病率。随着计算机辅助设计（CAD）在医学领域的迅速发展,角膜的形态学研究也成为国内外热点,尤其是三维角膜的建立研究。本研究基于正常人体角膜地形图数据,运用CREO软件对角膜进行参数化三维正向建模,并建立有限元模型,欲为角膜分析建立更有力的基础,从而在临床中起到提供诊断或治疗依据作用。方法:1.选取一名成年健康女性作为模拟对象,利用角膜地形图仪及三维相干光断层扫描（3D-OCT）采集角膜数据。2.依据上述数据并利用Creo Parametric 3.0软件建立直径7 mm范围内的参数化三维几何分部模型。3.在Mimics 15.0（Materiaise’s interactive medical image control system）软件中调整分部模型位置及角度。4.利用Geomagic Studio 12.0软件将分部模型联合、修补及平滑。5.在Mimics 15.0的3-matic 7.0模块中将各分部模型缝合为整体并自动调整,正向构建为三维几何角膜模型。6.在Mimics 15.0的3-matic 7.0模块中和ANSYS Workbench 17.0中,依据几何模型构建角膜有限元模型,在结构力学分析模块施加压力模拟眼内压。结果:1.成功地在建立了角膜直径7 mm范围内外表面三维几何分部模型,包括直径3 mm范围内3部分、直径3-5 mm范围内4部分以及直径5-7 mm范围内4部分。2.在Mimics 15.0软件中调整分部模型位置及角度合适,且成功在Geomagic Studio 12.0软件中将11个分部模型联合、修补及平滑。3.在Mimics 15.0的3-matic 7.0模块中将各分部模型缝合为整体并自动调整,并成功构建三维几何角膜模型,总单元数30892个。4.在Mimics 15.0中和ANSYS Workbench 17.0中生成上述复杂三维几何角膜模型的有限元模型。总结点数为46610个,总单元数为12269个。5.在ANSYS Workbench 17.0的结构力学分析模块模拟施加的眼内压,求解后分析其模型有效性。结论:1.基于正常人角膜地形图数据,应用Creo Parametric 3.0软件可构建出角膜的分部模型。2.利用Mimics 15.0及Geomagic Studio 12.0软件可以将分部模型高度优化处理并整合细化为可视化的三维几何模型。3.利用ANSYS Workbench 17.0软件验证得到所建三维几何模型可用于生物力学特征分析。
王娟,刘嘉润,李瑞瑞[4]（2019）在《基于深度学习的红外相机视力检测算法》文中提出为实现一种智能式的验光系统,针对光反射照相眼部筛查装置提出一种检测瞳孔参数的新方法。该验光方法首先通过多灯光反射照相机获得多张不同角度灯光的人脸图像,通过利用深度学习中Faster-RCNN来实现瞳孔检测,进一步对检测到的瞳孔图像采用阈值分割的方法研究,可以得到新月区域的特征参数,利用特征参数比计算近视度数。通过大量的实验结果表明,该方法不但速度快、稳定性好、精度高,而且还可以转移到移动终端上操作,该方法也是目前唯一结合深度学习实现眼部筛查的方法。
刘丹[5]（2019）在《基于计算机视觉的防护眼镜视野测量系统及方法研究》文中提出防护眼镜作为保护人眼安全的必要装备,其视野的合格判定及测量对于佩戴者非常重要。目前,国内外对防护眼镜视野测量的研究较少,且实际检测中沿用的是人工测量系统及方法,其测量过程繁琐、手动参与程度过高,进而导致测量结果的重复性差且准确度低。随着计量工作的发展,对测量系统的检测精度及要求越来越高,研究智能化的防护眼镜视野测量系统及方法尤为重要。针对目前防护眼镜视野测量系统的单一性和低效性,本文提出一种基于计算机视觉的防护眼镜视野测量系统,该测量系统主要由标准头模、光纤光源、导光屏、工业相机、计算机等部分组成,以人眼视野投影图、眼镜轮廓投影图为分析对象,实现对防护眼镜视野的非接触式、准确化的全面测量。系统针对不同的检测需求,可实现两种检测方案:合格眼镜与不合格眼镜的快速筛选、以及视野性能（视野和视野合格率）的测量。利用标准头模和光纤光源模拟人眼直视前方时的眼护具理想视野区域,通过比较佩戴待测眼镜前后的视野投影区域的变化,可快速判定眼镜的视野是否合格。以待测眼镜投影图为分析对象,设计了图像差分、目标提取、缺陷修补、干扰消除这四个部分的图像处理算法,将眼镜镜框与投影背景、镜片完整的分离开,提高了图像测量对环境的适应性及准确性;分析瞳孔与眼镜的张角关系,从图像处理得到的眼镜框轮廓图中定位眼镜上对应的瞳孔位置并进行镜框内边缘信息的提取、保存,完成对防护眼镜水平、垂直方向上相关视野的计算;分析人直视前方时双眼的视觉特征,对眼镜轮廓信息进行空间转换构建人眼视野,完成对待测防护眼镜相关视野合格率的计算。实验结果表明:与传统检测方法相比,本文方法具有检测速度快、智能化等特点,对一幅眼镜视野的合格检测仅需10s;并对测量系统进行了误差分析,最终得到视野测量扩展不确定度U=0.8°（k=2）,视野合格率重复性测量结果标准差小于0.3%,能满足防护眼镜视野测量的实际需要。
李京蔓[6]（2019）在《偏心摄影视力筛查仪的设计与研究》文中进行了进一步梳理屈光不正是一种非常常见且严重危害视功能发育的眼科疾病,目前国家卫计委、教育部等部门对青少年儿童的近视防控工作十分重视,规定将其纳入政府绩效考核指标。但由于现有验光仪需要患者高度配合,且光路复杂、体型较大,造成其便携度低,且并不适用于儿童等配合度不高群体的视度检测。为解决上述问题,本文提出设计一款非接触便携式视力筛查设备,该设备能够距离患者1米左右处对人眼进行客观准确快速验光,在全民视力普查的应用中有着重要意义。本文设计的视力筛查设备是基于偏心摄影验光原理对患者人眼进行验光,根据设备的总体研发方案,主要对系统的光学成像模块、光源模块以及图像处理模块进行了设计与研究。首先,为解决远距离验光造成的接收图像相对照度低,影响摄影验光精度的问题,本文运用ZEMAX光学软件设计一款适用于偏心摄影视力筛查仪的成像光学系统,根据镜头使用要求及相关参数的限制,设计的偏心摄影成像光学系统具体参数为:焦距f′=47.6mm、视场角2ω=9?、相对孔径D/f′=1/2.8、工作波段为850nm。并对其进行了像质分析、公差分析,其成像效果满足使用需求;其次对光源模块进行设计,其中包括光源选型以及根据验光理论计算、设备检测需求对光源模块中的光源阵列进行设计,设计理论结果可测量-8D+8D之间的人眼屈光度。然后,本文利用图像处理算法实现设备对人眼的屈光度测量,其主要内容包括:对人眼区域的实时跟踪、眼瞳的精确定位、人眼注视方向的判断,以及通过图像处理技术求取人眼屈光信息,获得的验光结果包括人眼的球镜度、柱镜度、散光轴位、斜视度数和人眼瞳距等。最后,本文通过对屈光度在-6D0D之间的标准模型眼进行偏心摄影验光实验,获得的大量实验数据近似拟合屈光度计算方程,并通过实验验证该方程的验光误差不超过±0.5D。预期目标是完成一台适用于配合度不高群体的非接触便携式偏心摄影视力筛查仪。
万子敬[7]（2018）在《基于空间瞳孔的视线跟踪及注视点空间坐标测量方法研究》文中认为自由空间注视点空间坐标估计是视线跟踪方法的高级应用形式,将其应用于自由空间被注视物体尺寸测量是视线跟踪理论的重要研究方向。根据使用视线跟踪技术实现自由空间注视点空间坐标估计的实际问题,结合当前视线跟踪方法研究现状,本文研究的关键理论与科学问题为:（1）提高双眼视线估计精度;（2）实现无场景信息辅助的注视点空间坐标估计。为此,本文重点研究视线估计及注视点空间坐标估计理论与技术,提出了基于简化3D眼睛模型的视线估计方法和基于注视点深度信息预测的自由空间注视点空间坐标估计方法。论文详细分析了当前基于3D几何模型的视线估计方法中的两类方法:基于3D眼睛模型的方法和基于虹膜/瞳孔轮廓的方法,分析两类方法的几何模型结构和光轴/视轴直线计算方法,并对光轴/视轴计算的计算误差进行了深入分析。基于对已有方法的分析,本文对自由空间视线估计和注视点空间坐标估计方法的理论模型、视轴计算方法、自由空间注视点空间坐标估计等方面分别展开研究,提出了两项用于自由空间注视点空间坐标估计的理论方法和一种基于立体视觉的视线跟踪系统的系统标定方法。本文包含的主要研究成果如下:（1）本文提出了一种基于简化3D眼睛模型的视线估计方法。该方法保留了3D眼睛模型中的瞳孔中心、眼球中心、内眼角点与视轴与光轴间夹角作为眼睛特征来计算视轴空间直线。该方法能够输出具有较高精度的双眼空间视轴直线参数,观察放置于2m远的标定板时的视线方向估计平均误差和均方根误差为0.98°±0.45°。（2）提出一种融合瞳距中点与注视点矢量和高斯过程回归算法的注视点深度信息映射的注视点空间坐标估计方法。该方法使用高斯过程回归算法建立注视点深度信息与双眼瞳孔中心空间坐标、视轴空间直线参数之间的映射模型,并通过使用个人校准步骤中的注视点深度信息数据来降低实际使用时的注视点深度估计误差。使用本文提出的自由空间注视点估计方法观察不同距离下的标定板时,注视点坐标估计结果较使用双眼视轴公垂线中点方法时有了很大的改善,2m内的注视点空间坐标估计的平均误差和均方根误差为15.41±11.78 cm。本文还使用方形实物来测试该注视点空间坐标估计方法在实际场景中的使用效果。（3）为实现本文提出的上述两种主要方法,本文建立了一种基于立体视觉的视线跟踪系统模型,并针对该模型提出了系统标定方法和立体视觉摄像机图像中瞳孔轮廓的提取算法。
王蕴琦[8]（2018）在《沉浸式头戴显示光学系统关键技术研究》文中研究表明沉浸式头戴显示技术（Head Mounted Display,HMD）是虚拟现实显示技术（Virtual Reality,VR）的一个分支,是一种利用头戴显示光学系统将由计算机生成、图像源输出的数字化图像成像于使用者视野中,并以此来实现对特定环境进行重现的模拟仿真技术。沉浸式头戴显示技术具有大视场、低功耗、可穿戴、模块化、立体显示、自定义程度高等优点,自从出现以来就受到人们的广泛关注,逐渐成为了新一代显示技术的代表,在很多领域都有着广泛的应用,尤其是载人航天领域中的航天员地面模拟训练方面。在航天员地面模拟训练中使用沉浸式头戴显示设备（HMD设备）能够在有效的保证训练质量的前提下降低训练的成本和风险。普遍认为应用于航天员模拟训练的HMD设备需要具有较高的分辨率和较大的视场,同时还要满足此类可穿戴设备对于轻量化的要求。如何平衡系统的复杂程度和系统的性能成为了HMD设备研制过程中必须面临的主要问题。为了解决这一问题,研制得到一款能够较好应用于航天员模拟训练的高性能HMD设备,推动虚拟现实头戴显示技术的发展。本论文在“空间站内定向与人机交互虚拟训练技术研究（B1720132001）”国防基础科研计划的资金支持下,结合具体的应用条件在光学系统设计、性能评价、公差分析、性能检测方法等方面对沉浸式头戴显示光学系统关键技术进行了全面而深入的研究,主要研究内容及创新性工作如下:1.对虚拟现实技术和头戴显示设备的发展历程、主要用途和研究现状进行了概述,总结了其发展趋势以及其关键技术对其性能的影响。以大视场目视光学系统像差理论为出发点,从理论上分析论证了非球面、衍射光学面等多自由度光学元件的像差校正特性。与此同时,对沉浸式头戴显示设备的主要性能参数指标进行了详细的分析。2.对比分析了即有的几种典型的同轴透射式目镜结构,根据对比分析的结果,首先基于RKE广角目镜结构,以分辨率1920×1080的夏普显示屏为图像源,实现了1种高性能HMD光学系统设计方案;然后,在此基础上引入复杂程度不同的柔性像面对系统进行改进,以此实现了另外3种基于柔性显示屏幕的HMD光学系统设计方案。所得的4种方案中的光学系统均为4组8片的光学结构,单目对角视场都达到了120°,具有全视场MTF值高,色差低,畸变小的优点。最后,对4种设计方案进行了全面的对比分析,分析结果表明传统屏光学系统设计方案能够满足指标要求;与传统像面相比,柔性显示像面具有更好的简化系统、校正畸变和场曲的作用。4种光学系统的设计方案及对比分析结果为高性能HMD光学系统的实现和柔性显示屏在HMD光学系统的广泛应用提供了实例参考。3.推导了人眼光学模型屈光度和主点位置的表达式,分析比较了5种人眼模型的优点和缺点,首次建立了基于Escudero Sanz模型眼的“人眼—HMD目镜”使用效果分析模型,并利用模型重点分析了设计所得的传统屏HMD光学系统中人眼实际情况对其使用效果的影响,根据分析结果提出了在HMD设备中加入眼球追踪系统,并利用伺服控制系统适时调节像面,以消除人眼运动对HMD使用效果影响的设想。“人眼—HMD目镜”模型分析法为HMD光学系统实际使用效果提供了一种更为客观的分析评价方法。4.讨论了多数光学系统中的误差来源,尤其是高次非球面面形误差的来源,以此为切入点,对传统屏HMD光学系统进行了公差分析。先利用ZEMAX软件完成了对传统屏HMD光学系统中规则元件的公差分析,再利用ZEMAX联合MATLAB编程的分析方法完成了对传统屏HMD光学系统中高次非球面面形精度的分析。分析结果表明本文设计得到的传统屏HMD光学系统为中等精度光学系统,具有一定的工艺性,为该系统的生产加工奠定了基础。5.对HMD光学系统的性能检测方法进行了研究,从待测性能参数的基本定义出发,针对实验室现有条件,结合HMD光学系统的自身特性,提出了基于CCD图像捕捉的HMD光学系统性能参数测试方法,并利用该方法完成了对研制得到的HMD光学系统的性能测试。测试结果与名义值符合良好,即验证了测试方法的正确性,也表明研制得到的HMD设备性能优良。
王洋[9]（2017）在《基于反卷积滤波的头盔显示图像人眼屈光度预校正算法研究》文中研究指明人类能够与用户图形界面（GUI）进行交互依赖于清晰的视觉。然而,屈光不正（例如近视、远视、散光等）能使人眼视网膜所感知的图像质量退化,图像质量的退化使我们在与计算机进行有效交互时视觉效果极其不好。此外,我国的近视患者已超过三亿,占世界近视患者的33%,高于世界平均数值。因此,对低视力人群进行视觉校正已经成为我国乃至全球急需解决的问题。而眼镜、屈光手术等传统的视觉校正方法在对低视力人群进行视觉校正后会使它们在长时间观看事物时产生疲劳及不舒适的感觉,所以适用于低视力人群的人眼屈光度预校正算法已经成为视觉信息领域内一项重要的研究课题。本文首先通过一种新颖的基于主观视觉感受的盲测量方法测量出人眼的波前像差。然后,应用一种基于反卷积滤波的人眼屈光度预校正算法生成预校正图像,并针对如何提高预校正图像的对比度运用一种基于全变差的图像对比度提高法。最后,以头盔作为显示器对原始图像和由该算法所生成的预校正图像进行主观效果评价。评价结果表明,基于反卷积滤波的头盔显示图像人眼屈光度预校正算法所生成的预校正图像比原始图像清晰,即低视力人群的视觉清晰度得到了改善。
周锋宜[10]（2015）在《基于视频图像处理的视线追踪技术研究》文中认为协助用户对机器进行便捷控制一直是人机交互领域研究和发展的一个重要方向。语音识别、指纹识别等技术问世之后，视线追踪技术如今也发展迅猛，可以试想将其成功融入实际工程中后，必定会带来全新的人机交互体验。本课题利用视频图像处理技术实现实时人眼跟踪并解算用户视线落点的任务，系统在近红外光源照射条件下，采集脸部视频序列，使用人眼跟踪算法跟踪并提取眼部图像，最后从眼部图像中获取相关参数解算出视线落点坐标。本文在对现有的各式方法试验并分析优劣基础之上，对视线追踪技术进行研究，主要工作点为眼球追踪技术实现和视线落点解算，并在人眼检测、目标跟踪、视线落点解算及补偿以及光照补偿等算法中进行了改进和创新。主要研究工作如下：1、针对系统对识别准确度的需求，且本文将检测算法作为跟踪初始化依据，故而检测部分需要尽可能保证准确度。考虑到现有adaboost算法在训练人眼分类器过程中可能出现的退化问题，提出引入样本标志位的方式进行改进，并添加红外光照环境下的误检负样本训练适合本系统的人眼分类器。实验结果表明，本文设计的引入样本标识位的改进adaboost算法可以对人眼进行精确检测和定位，在红外环境下具有很好的适应性和鲁棒性。2、针对系统对实时性的需求，并结合暗瞳图像中瞳孔轮廓图像特征明显的优点，本文系统仅采集暗瞳图像进行粒子滤波人眼跟踪。为实现对人眼的实时跟踪，跟踪模块采用融合灰度直方图特征和图像方差特征为观测模型的粒子滤波算法。其中灰度直方图特征从统计角度解释图像，而图像方差特征从图像的灰度分布结构上解释图片，以此为互补实现视频序列间图像匹配。实验结果表明，该算法不但能够保证准确识别人眼区域，而且能够缩短处理时间，极大的提高了系统的实时性。3、针对到实际环境中存在的头部运动会产生偏光以及眼球位置的改变，系统为提高瞳孔轮廓的自适应阈值分割的鲁棒性设计了非线性光照补偿算法以适应面部转向导致的偏光现象，而在针对眼球位置改变这一问题时，分别对深度和平行面偏移两种情况设计了相应的补偿算法。实验结果表明，落点补偿算法能够提高系统精度，光照补偿算法能够保障系统提取稳定的瞳孔轮廓。最后搭建视线追踪系统演示平台，对系统整体运行效果进行测试。应用结果表明，本文研究方法能够在实际环境下很好的工作，满足视线追踪系统识别准确、实时性、精度三方面的需求。
二、基于眼瞳图像获取人眼屈光度的新方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于眼瞳图像获取人眼屈光度的新方法（论文提纲范文）
（2）智能斜视诊断中的人眼检测方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 研究背景及意义 |
| 1.2 斜视诊断研究现状 |
| 1.2.1 基于图像或视频的斜视诊断方法 |
| 1.2.2 基于眼动追踪的斜视诊断方法 |
| 1.3 商业化斜视诊断设备 |
| 1.4 人眼检测国内外研究现状 |
| 1.4.1 基于投影的人眼检测方法 |
| 1.4.2 基于眨眼眼动的人眼检测方法 |
| 1.4.3 基于亮暗瞳效应的人眼检测方法 |
| 1.4.4 基于模板匹配的人眼检测方法 |
| 1.4.5 基于形状特征的人眼检测方法 |
| 1.4.6 基于强度梯度特征的人眼检测方法 |
| 1.4.7 基于机器学习的人眼检测方法 |
| 1.5 现存问题 |
| 1.6 本文主要研究内容及章节安排 |
| 1.6.1 本文主要研究内容 |
| 1.6.2 论文章节安排 |
| 第2章 智能斜视诊断技术基础 |
| 2.1 眼睛结构及运动 |
| 2.1.1 眼睛结构 |
| 2.1.2 眼睛运动 |
| 2.2 斜视专科检查 |
| 2.2.1 斜视分类 |
| 2.2.2 角膜映光法 |
| 2.2.3 遮盖测试 |
| 2.3 智能斜视诊断评价指标 |
| 2.4 智能斜视诊断系统框架 |
| 2.5 本章小结 |
| 第3章 基于级联Haar特征和改进Starburst的瞳孔定位算法 |
| 3.1 瞳孔区域粗略定位 |
| 3.1.1 Haar特征模板 |
| 3.1.2 粗略定位瞳孔区域 |
| 3.2 瞳孔轮廓点获取 |
| 3.2.1 Starburst方法 |
| 3.2.2 瞳孔轮廓点收集 |
| 3.3 瞳孔模型拟合 |
| 3.4 实验验证 |
| 3.4.1 数据集 |
| 3.4.2 比较算法 |
| 3.4.3 结果分析 |
| 3.5 本章小结 |
| 第4章 卷积神经网络引导的进化参数眼建模方法 |
| 4.1 参数化眼睛模型 |
| 4.2 卷积神经网络引导的参数建模 |
| 4.2.1 卷积神经网络介绍 |
| 4.2.2 适应性函数设计 |
| 4.3 进化搜索过程 |
| 4.3.1 遗传算法简介 |
| 4.3.2 进化建模算法 |
| 4.4 实验结果分析 |
| 4.4.1 数据集构建 |
| 4.4.2 Contour-Eye图像的评价标准 |
| 4.4.3 CNN模型的评估 |
| 4.4.4 进化搜索的评估 |
| 4.4.5 精细眼睛建模评估 |
| 4.5 本章小结 |
| 第5章 智能斜视诊断硬件设计关键技术 |
| 5.1 智能斜视诊断系统 |
| 5.2 自动遮盖模块 |
| 5.3 同步追踪模块 |
| 5.4 实验结果分析 |
| 5.4.1 实验设计 |
| 5.4.2 数据初步分析 |
| 5.5 本章小结 |
| 第6章 智能斜视诊断软件设计关键技术 |
| 6.1 斜视诊断系统简介及数据采集 |
| 6.1.1 系统简介 |
| 6.1.2 数据采集 |
| 6.2 软件设计 |
| 6.2.1 眼睛区域提取 |
| 6.2.2 虹膜度量与模板检测 |
| 6.2.3 关键帧检测 |
| 6.2.4 瞳孔定位 |
| 6.2.5 偏移量计算 |
| 6.2.6 斜视检测 |
| 6.3 智能斜视诊断软件结果分析 |
| 6.3.1 虹膜测量的结果 |
| 6.3.2 关键帧检测的结果 |
| 6.3.3 瞳孔定位的结果 |
| 6.3.4 偏移量测量的结果 |
| 6.4 智能斜视诊断系统优化 |
| 6.4.1 自动遮盖模块的优化 |
| 6.4.2 同步追踪模块的优化 |
| 6.4.3 系统的保护和封装 |
| 6.4.4 系统安全性验证 |
| 6.4.5 系统模块集成 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 论文主要研究内容 |
| 7.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（3）基于角膜地形图的3D角膜参数化建模研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 英文缩写 |
| 前言 |
| 材料与方法 |
| 结果 |
| 讨论 |
| 结论 |
| 参考文献 |
| 综述 角膜模型的建立研究 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（4）基于深度学习的红外相机视力检测算法（论文提纲范文）
| 0 引 言 |
| 1 现有的验光方法 |
| 2 关键技术和原理 |
| 2.1 系统总体设计方案 |
| 2.2 光反射照相采集瞳孔图像 |
| 2.3 Faster R-CNN图像检测 |
| 2.4 图像处理 |
| 2.5 图像分割及特征参数的提取 |
| 3 实验结果分析 |
| 4 结 论 |
（5）基于计算机视觉的防护眼镜视野测量系统及方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题来源及意义 |
| 1.2 计算机视觉 |
| 1.2.1 计算机视觉概述 |
| 1.2.2 计算机视觉测量技术 |
| 1.3 防护眼镜视野测量的研究现状 |
| 1.4 课题研究的目的和主要内容 |
| 1.4.1 研究目的 |
| 1.4.2 主要内容 |
| 2 防护眼镜视野测量理论基础及系统设计 |
| 2.1 防护眼镜视野测量原理 |
| 2.1.1 视野计算原理 |
| 2.1.2 视野合格率计算原理 |
| 2.2 系统的功能要求 |
| 2.3 系统的总体构架 |
| 2.4 系统的硬件组成 |
| 2.4.1 标准头模 |
| 2.4.2 光源 |
| 2.4.3 导光屏 |
| 2.4.4 图像采集设备 |
| 2.5 系统的软件组成 |
| 2.6 本章小结 |
| 3 防护眼镜视野测量系统的图像处理算法 |
| 3.1 图像处理算法设计 |
| 3.2 图像处理算法 |
| 3.2.1 图像差分 |
| 3.2.2 目标提取 |
| 3.2.3 缺陷修补 |
| 3.2.4 干扰消除 |
| 3.3 本章小结 |
| 4 防护眼镜视野测量与软件实现 |
| 4.1 系统标定 |
| 4.2 视野测量 |
| 4.2.1 视野计算 |
| 4.2.2 视野合格率计算 |
| 4.3 系统算法的实现 |
| 4.3.1 软件构成 |
| 4.3.2 操作界面 |
| 4.4 本章小结 |
| 5 防护眼镜视野测量实验及分析 |
| 5.1 测量实验 |
| 5.1.1 防护眼镜视野合格检测实验 |
| 5.1.2 防护眼镜视野及视野合格率测量实验 |
| 5.2 测量实验误差及分析 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 论文总结 |
| 6.2 论文创新点 |
| 6.3 论文存在问题及展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间的科研成果 |
（6）偏心摄影视力筛查仪的设计与研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及研究意义 |
| 1.2 国内外验光水平发展现状 |
| 1.3 发展前景 |
| 1.4 论文研究的主要内容 |
| 1.5 本章小结 |
| 第2章 偏心摄影视力筛查仪的验光原理 |
| 2.1 偏心摄影验光原理 |
| 2.2 设备的整体设计方案 |
| 2.3 本章小结 |
| 第3章 光学系统设计 |
| 3.1 验光光路分析 |
| 3.2 光学成像系统设计 |
| 3.2.1 图像传感器的选择 |
| 3.2.2 成像光学系统设计 |
| 3.2.3 像质分析 |
| 3.2.4 公差分析 |
| 3.2.5 系统拍摄效果分析 |
| 3.3 光源系统结构设计 |
| 3.3.1 光源选型 |
| 3.3.2 光源模块的结构设计 |
| 3.4 本章小结 |
| 第4章 视力筛查仪的屈光度测量 |
| 4.1 验光客观条件 |
| 4.2 屈光度测量算法的实现 |
| 4.3 实时人眼跟踪 |
| 4.3.1 图像二值化 |
| 4.3.2 角膜亮斑形状滤波 |
| 4.3.3 角膜亮斑位置滤波 |
| 4.4 眼瞳的精确定位 |
| 4.4.1 瞳孔中心粗定位 |
| 4.4.2 眼瞳边缘检测 |
| 4.4.3 瞳孔边缘拟合 |
| 4.5 人眼注视方向判断 |
| 4.6 人眼屈光度计算 |
| 4.7 本章小结 |
| 第5章 偏心摄影验光实验数据分析 |
| 5.1 验光数据分析 |
| 5.2 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 不足和展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
（7）基于空间瞳孔的视线跟踪及注视点空间坐标测量方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 基于摄像机的视线跟踪方法研究简介 |
| 1.1.1 基于模型的视线跟踪方法研究现状 |
| 1.1.2 基于回归的视线跟踪方法研究现状 |
| 1.2 基于RGB-D摄像机和立体视觉的视线跟踪 |
| 1.3 注视点空间坐标估计方法研究现状 |
| 1.4 本论文研究内容与创新点 |
| 第2章 基于3D几何模型的视线估计 |
| 2.1 基于3D眼睛模型的方法 |
| 2.1.1 3D眼睛模型与视轴 |
| 2.1.2 不同摄像机与光源配置的方法简述 |
| 2.1.3 基于3D眼睛模型方法的视轴计算误差 |
| 2.1.4 小结 |
| 2.2 基于虹膜/瞳孔轮廓的方法 |
| 2.2.1 瞳孔在空间中的表达式 |
| 2.2.2 初始二次曲线的计算和瞳孔曲面 |
| 2.2.3 误差度量和瞳孔曲面的计算 |
| 2.2.4 光轴的计算 |
| 2.2.5 基于瞳孔轮廓方法的光轴计算误差 |
| 2.2.6 小结 |
| 2.3 本章小结 |
| 第3章 基于简化3D眼睛模型的视线估计方法 |
| 3.1 简化3D眼睛模型 |
| 3.2 内眼角矢量与眼睛特征坐标对齐 |
| 3.3 基于立体视觉的头戴式视线跟踪系统 |
| 3.3.1 立体摄像机的标定 |
| 3.3.2 场景摄像机的外参数标定 |
| 3.3.3 基于梯度强度检测的瞳孔轮廓提取和瞳孔轮廓空间圆匹配 |
| 3.3.4 内眼角点提取算法和内眼角点的稳定性 |
| 3.4 基于双眼视轴公垂线中点的注视点空间坐标估计方法和个人校准步骤 |
| 3.5 基于简化3D眼睛模型的视线方向估计方法误差 |
| 3.5.1 图像瞳孔轮廓提取误差对视轴计算的影响 |
| 3.5.2 使用固定标定板视线方向估计误差实验 |
| 3.5.3 重复佩戴对视轴计算的影响 |
| 3.6 本章小结 |
| 第4章 自由空间注视点空间坐标估计 |
| 4.1 自由空间注视点空间坐标估计与3D眼睛模型 |
| 4.2 注视点的空间分布 |
| 4.2.1 注视点在注视时的空间分布 |
| 4.2.2 基于空间点密度的注视点空间坐标估计算法 |
| 4.3 基于注视点深度信息预测的注视点空间坐标估计 |
| 4.3.1 改进的双眼视线自由空间注视点估计模型 |
| 4.3.2 基于高斯过程回归的注视点深度信息映射 |
| 4.3.3 融入注视点深度的注视点空间坐标估计与个人校准步骤 |
| 4.4 注视自由空间中物体的注视点空间坐标估计实验 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 全文总结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 发表论文及申请专利 |
| 参加科研 |
| 致谢 |
（8）沉浸式头戴显示光学系统关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 头盔显示设备概述 |
| 1.1.1 头戴显示设备组成 |
| 1.1.2 头戴显示设备分类 |
| 1.2 现实增强型头戴显示设备和虚拟现实技术的发展 |
| 1.2.1 现实增强型头戴显示设备的发展 |
| 1.2.2 虚拟现实技术及虚拟现实头戴显示器的发展 |
| 1.3 虚拟现实主要用途及头戴显示发展趋势 |
| 1.3.1 虚拟现实技术的主要用途 |
| 1.3.2 头戴显示设备的发展趋势 |
| 1.4 头戴显示设备关键技术的发展 |
| 1.4.1 头戴显示设备显示器件的发展 |
| 1.4.2 头戴显示设备光学系统的发展 |
| 1.5 论文的预期目标及章节安排 |
| 第2章 头戴显示光学系统的像差校正及其性能分析 |
| 2.1 大视场及离轴系统的像差特性 |
| 2.1.1 大视场光学系统像差分析 |
| 2.1.2 离轴光学系统像差分析 |
| 2.2 多自由度光学元件像差校正 |
| 2.2.1 衍射元件像差校正 |
| 2.2.2 非球面像差校正 |
| 2.3 头戴显示设备性能参数分析 |
| 2.3.1 全视场MTF曲线 |
| 2.3.2 亮度、对比度 |
| 2.3.3 出瞳直径 |
| 2.3.4 视场 |
| 2.3.5 畸变 |
| 2.3.6 出瞳距 |
| 2.3.7 瞳间距 |
| 2.3.8 重量 |
| 2.4 光学优化软件介绍 |
| 2.4.1 CODEV |
| 2.4.2 OSLO |
| 2.4.3 ZEMAX |
| 2.5 本章小结 |
| 第3章 基于同轴透射结构的沉浸式HMD光学系统设计 |
| 3.1 目镜结构分析和设计要求 |
| 3.1.1 目镜结构分析 |
| 3.1.2 HMD光学系统设计要求 |
| 3.2 “传统LCD+非球面透镜”HMD光学目镜设计 |
| 3.2.1 HMD光学系统设计准备工作 |
| 3.2.2 方案一——基于传统LCD显示器件的HMD光学目镜设计 |
| 3.3 “柔性显示屏+非球面透镜”HMD光学目镜设计 |
| 3.3.1 柔性显示器件的概述 |
| 3.3.2 柔性显示器的弯曲特性及在ZEMAX中的模拟 |
| 3.3.3 基于柔性显示器件的HMD光学目镜设计 |
| 3.4 HMD光学设计方案对比分析 |
| 3.4.1 显示屏面形复杂程度 |
| 3.4.2 光学元件面形的复杂程度 |
| 3.4.3 光学系统性能 |
| 3.5 本章小结 |
| 第4章 人眼真实情况对HMD光学系统使用效果影响的仿真分析与评价 |
| 4.1 人眼的生理结构 |
| 4.2 人眼光学参数计算 |
| 4.2.1 符号表示和变量声明 |
| 4.2.2 透镜眼屈光度和主点位置公式求解 |
| 4.3 人眼模型的选择及“人眼—HMD光学系统”分析模型的建立 |
| 4.3.1 基于医学解剖数据的人眼结构参数分析 |
| 4.3.2 现有人眼模型光学结构对比分析 |
| 4.3.3 用于HMD光学系统成像性能分析的模型眼的选择 |
| 4.3.4 “人眼—HMD光学系统”分析模型的建立 |
| 4.4 人眼运动对HMD光学系统成像性能影响分析 |
| 4.4.1 人眼平移对HMD光学系统成像性能的影响 |
| 4.4.2 人眼转动对HMD光学系统成像性能的影响 |
| 4.4.3 人眼视度调节对HMD光学系统成像性能影响的分析 |
| 4.4.4 “人眼—HMD光学系统”分析模型评价及影响分析总结 |
| 4.5 本章小结 |
| 第5章 HMD光学系统公差分析及制定 |
| 5.1 光学系统公差分析基础 |
| 5.2 基于ZEMAX的HMD光学系统公差分析 |
| 5.2.1 一般元件参数公差分析 |
| 5.2.2 高次非球面面形精度公差分析 |
| 5.2.3 公差分析结果 |
| 5.3 本章小结 |
| 第6章 基于CCD相机的HMD光学系统性能测试方法 |
| 6.1 待测系统及检测设备 |
| 6.1.1 待测头戴显示设备光学系统 |
| 6.1.2 可利用的检测器材及设备 |
| 6.2 性能参数及其测试方法 |
| 6.2.1 视场角的测量 |
| 6.2.2 出瞳距离和出瞳直径的测量 |
| 6.2.3 全视场相对畸变的测试 |
| 6.2.4 全视场视角分辨率计算 |
| 6.2.5 色彩还原度的测试方法 |
| 6.3 对实际系统的测试及结果 |
| 6.3.1 测量结果 |
| 6.3.2 误差分析 |
| 6.4 本章小结 |
| 第7章 总结与展望 |
| 7.1 研究内容总结 |
| 7.2 创新性工作说明 |
| 7.3 本文不足指出及研究展望 |
| 参考文献 |
| 致谢 |
| 指导教师简介 |
| 作者简介及攻读学位期间发表的学术论文与研究成果 |
（9）基于反卷积滤波的头盔显示图像人眼屈光度预校正算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景和研究意义 |
| 1.2 课题的研究现状 |
| 1.2.1 人眼屈光度预校正算法的研究概述 |
| 1.2.2 波前像差的测量方法概述 |
| 1.2.3 头盔显示器概述 |
| 1.3 本文工作及组织结构 |
| 1.3.1 本文的主要内容 |
| 1.3.2 本文的结构安排 |
| 第二章 人眼波前像差理论与测量方法 |
| 2.1 人眼光学系统 |
| 2.2 人眼波前像差的概念 |
| 2.3 人眼波前像差的测量方法 |
| 2.3.1 基于Hartmann-Shack波前传感器的测量法 |
| 2.3.2 基于主观视觉感受的盲测量法 |
| 2.4 本章小结 |
| 第三章 基于增强维纳滤波的图像预校正算法 |
| 3.1 相关理论基础 |
| 3.1.1 卷积和反卷积 |
| 3.1.2 图像的傅里叶变换 |
| 3.2 增强维纳滤波算法 |
| 3.3 本章小结 |
| 第四章 预校正图像的对比度提高方法 |
| 4.1 直方图均衡化法 |
| 4.2 高斯滤波法 |
| 4.3 自适应平滑滤波法 |
| 4.4 基于全变差的图像对比度提高法 |
| 4.5 实验结果对比分析 |
| 4.6 本章小结 |
| 第五章 图像效果的评价方法与实验结果 |
| 5.1 图像效果主观评价方法 |
| 5.2 图像效果客观评价方法 |
| 5.3 头盔显示图像效果评价方法 |
| 5.4 实验结果分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 未来工作展望 |
| 致谢 |
| 参考文献 |
（10）基于视频图像处理的视线追踪技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 视线追踪系统的应用及意义 |
| 1.3 研究现状 |
| 1.4 本文内容安排 |
| 第2章 视线追踪系统设计 |
| 2.1 眼部追踪 |
| 2.1.1 基于颜色空间转换方案 |
| 2.1.2 基于 Hough 变换的人眼追踪 |
| 2.1.3 灰度投影法 |
| 2.1.4 模板匹配法 |
| 2.2 眼球模型及视觉原理 |
| 2.2.1 眼睛结构 |
| 2.2.2 眼球模型 |
| 2.2.3 视线行为 |
| 2.3 系统方案 |
| 2.4 本章小结 |
| 第3章 眼部检测和跟踪系统 |
| 3.1 基于 Adaboost 算法的人眼检测 |
| 3.1.1 算法原理和流程 |
| 3.1.2 改进分类器训练算法 |
| 3.1.3 数据集处理 |
| 3.2 粒子滤波跟踪 |
| 3.2.1 观测模型 |
| 3.2.2 标准粒子滤波 |
| 3.2.3 改进粒子滤波算法 |
| 3.3 本章小结 |
| 第4章 视线参数获取及补偿 |
| 4.1 轮廓中心提取 |
| 4.1.1 普尔钦亮斑 |
| 4.1.2 常用瞳孔提取方法 |
| 4.1.3 改进的椭圆瞳孔定位算法 |
| 4.2 视线解算 |
| 4.2.1 单应性矩阵变换法 |
| 4.2.2 瞳孔中心-角膜反射法 |
| 4.3 补偿算法 |
| 4.3.1 光照补偿 |
| 4.3.2 落点补偿 |
| 4.4 本章小结 |
| 第5章 系统调试及实验 |
| 5.1 实验概述 |
| 5.2 标定工作 |
| 5.3 跟踪效果 |
| 5.4 视线落点精度 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的论文与研究成果清单 |
| 致谢 |
四、基于眼瞳图像获取人眼屈光度的新方法（论文参考文献）
- [1]人眼海丁格尔刷效应的偏振感知建模与分析(特邀)[J]. 王祺,刘智颖,贾文涛,黄蕴涵,贺文俊. 红外与激光工程, 2022
- [2]智能斜视诊断中的人眼检测方法研究[D]. 郑洋. 中国科学院大学(中国科学院西安光学精密机械研究所), 2020(06)
- [3]基于角膜地形图的3D角膜参数化建模研究[D]. 赵雪汝. 河北医科大学, 2020(02)
- [4]基于深度学习的红外相机视力检测算法[J]. 王娟,刘嘉润,李瑞瑞. 电子测量与仪器学报, 2019(11)
- [5]基于计算机视觉的防护眼镜视野测量系统及方法研究[D]. 刘丹. 西安理工大学, 2019(08)
- [6]偏心摄影视力筛查仪的设计与研究[D]. 李京蔓. 长春理工大学, 2019(01)
- [7]基于空间瞳孔的视线跟踪及注视点空间坐标测量方法研究[D]. 万子敬. 天津大学, 2018(06)
- [8]沉浸式头戴显示光学系统关键技术研究[D]. 王蕴琦. 中国科学院大学(中国科学院长春光学精密机械与物理研究所), 2018(10)
- [9]基于反卷积滤波的头盔显示图像人眼屈光度预校正算法研究[D]. 王洋. 长春理工大学, 2017(03)
- [10]基于视频图像处理的视线追踪技术研究[D]. 周锋宜. 北京理工大学, 2015(07)