Комкова Светлана Владимировна, кандидат технических наук, доцент
Researcher ID: N-6360-2016
ул. Орловская, д. 23, Владимирская область, г. Муром 602264
Svetlana V. Komkova, Candidate of Sciences (Engineering), Associate Professor
Researcher ID: N-6360-2016
23 Orlovskaya Str., Vladimir region, Murom 602264
Цель исследования ‒ разработка методики сегментации зрачков с патологическими изменениями формы, преодолевающей ограничения традиционных методов на основе поиска окружностей. Ключевой задачей является преодоление фундаментального ограничения традиционных алгоритмов, которые предполагают, что зрачок имеет форму, близкую к кругу, и оказываются несостоятельными при работе с такими аномалиями, как синехии, приводящие к овальным, звездообразным и другим сложным контурам.
Методы. В работе предложена методика автоматизированной сегментации зрачка, включающая последовательную обработку изображения с применением следующих ключевых этапов: предварительную фильтрацию (КИХ-фильтрация), коррекцию освещенности, логарифмическое и степенное преобразования, морфологическую обработку и удаление артефактов. Для сегментации патологически измененных зрачков использована комбинация адаптивных алгоритмов, позволяющая эффективно обрабатывать зрачки некруглой формы (овальные, звездообразные и др.), с которыми не справляются традиционные методы, основанные на поиске окружностей (преобразование Хафа, DIDO и др.).
Результаты. Экспериментальная оценка проводилась на специализированной базе офтальмологических изображений с различными деформациями. Предложенная методика продемонстрировала точность сегментации, превышающую 90%, для зрачков с деформациями, что существенно выше результатов, показанных классическими методами, такими как преобразование Хафа, DIDO. Детальных анализ показал, что для зрачков овальной формы достигнута точность 92,3%, для наиболее сложных случаев – звездообраз ных зрачков ‒ 89,7%, подтверждая работоспособность методики.
Заключение. Разработанная методика доказала свою эффективность для надежной сегментации патологически измененных зрачков, с которыми не справляются стандартные подходы. Высокая точность открывает возможности для ее практического применения в двух ключевых областях: в высоконадежных системах биометрической идентификации, где деформации зрачка являются естественным шумом, и в системах поддержки медицинской диагностики для количественной оценки патологий. Перспективным направлением дальнейших исследований является адаптация методологического подхода для сегментации других офтальмологических структур с нерегулярными границами, таких как птеригиум
The purpose of the research is to develop a technique for segmentation of pupils with pathological changes in shape, overcoming the limitations of traditional methods based on circle search. The key task is to overcome the fundamental limitation of traditional algorithms, which assume that the pupil has a shape close to a circle and are untenable when dealing with anomalies such as synechia, leading to oval, star-shaped and other complex contours.
Methods. The paper proposes a technique for automated pupil segmentation, which includes sequential image processing using the following key steps: pre-filtering (FIR filtering), illumination correction, logarithmic and power trans formations, morphological processing and removal of artifacts. To segment pathologically altered pupils, a combination of adaptive algorithms was used, which makes it possible to effectively process non-circular pupils (oval, star shaped, etc.), which traditional methods based on circle search (Hough transform, DIDO, etc.) cannot cope with.
Results. The experimental evaluation was carried out on a specialized database of ophthalmological images with various deformations. The proposed technique demonstrated segmentation accuracy exceeding 90% for pupils with deformations, which is significantly higher than the results shown by classical methods such as the Hough transform and DIDO. Detailed analysis showed that 92.3% accuracy was achieved for oval–shaped pupils, 89.7% for the most difficult cases of star‒shaped pupils, confirming the efficiency of the technique.
Conclusion. The developed technique has proven its effectiveness for reliable segmentation of pathologically altered pupils, which standard approaches cannot cope with. High accuracy opens up opportunities for its practical application in two key areas: in highly reliable biometric identification systems, where pupil deformities are natural noise, and in medical diagnostic support systems for the quantification of pathologies. A promising area of further research is the adaptation of the methodological approach for segmentation of other ophthalmological structures with irregular boundaries, such as the pterygium
The authors declare that there are no conflicts of interest present.