红外视频瞳孔定位系统是现代多媒体技术与多媒体计算机领域中的一个重要应用，尤其在医学诊断和治疗中发挥着重要作用。该技术通过红外视频获取瞳孔图像，并结合图像处理和模式识别等方法实现对瞳孔中心的精确定位，从而获取眼球运动的精确信息，为眩晕症等疾病的诊断和治疗提供关键参数。
图像预处理是瞳孔定位系统中的重要步骤，目的在于改善图像质量，为后续的定位和分析提供准确可靠的数据。中值滤波算法是一种常用的图像去噪方法，能够有效地去除椒盐噪声，这是因为中值滤波通过用邻域像素灰度值的中位数替代中心像素点的灰度值来实现降噪。该方法对于孤立的噪声点处理效果显著，因为它不会像均值滤波那样模糊图像。在使用中值滤波时，掩模的选择非常关键，通常掩模边长取奇数以保证中心像素能被正确处理，掩模半径的选择影响滤波的强度和效果。
在瞳孔区域的检测与分割阶段，通过中值滤波处理后的图像，使用检测连通域的方法来定位瞳孔区域并滤除其他噪声。连通域的检测是指在图像中识别出具有相同像素属性的区域，通常是指相邻像素具有相似的亮度或颜色，这样可以将瞳孔区域与背景或其他视觉干扰分开。
瞳孔中心的粗定位是通过重心法来实现的，重心法即利用图像中瞳孔区域的像素分布来确定瞳孔中心的大致位置。重心计算方式通常是将瞳孔区域看作一个二维空间中的质点系统，通过计算该区域内所有像素点的坐标加权平均值来得到重心位置。
在精确定位瞳孔中心的阶段，传统的方法是使用Hough变换进行圆检测。Hough变换是一种模式识别技术，用于在图像中检测特定形状（如直线、圆等）的存在。圆检测通常用于瞳孔定位，因为瞳孔在图像中的形状近似为圆。然而，标准的Hough变换计算量大，效率较低。为了提高系统效率，本文对Hough变换算法进行了改进，以降低计算复杂度，同时确保检测的高精度。这些改进可能包括对参数空间的限制、对累加器阵列的优化处理，或者是使用更高效的圆检测算法变体，如随机Hough变换（Randomized Hough Transform）等。
在实际应用中，该系统通过实时处理红外视频流来定位瞳孔中心，这对于需要分析眼球运动的眼震检测尤为重要。例如，在眩晕症的诊断中，眼震参数的精确分析对确诊良性阵发性位置性眩晕（BPPV）至关重要。准确捕获眼球运动能为分析快相速度和慢相速度提供必要数据，这对于眩晕症的诊疗具有重要的意义。
作者周黄玲是北京邮电大学信息与通信工程学院的硕士研究生，主要研究方向为模式识别和计算机视觉。而苏菲则是该学院的教授，同时也是博士生导师，研究方向涵盖了模式识别、图像处理以及生物特征识别。她们的这项工作不仅在技术上有所创新，也在实际应用中具有重要的价值。
