Answers are grounded in this paper and cite their sources.
研究展示新算法提高眼轴测量系统定位准确率, suggesting 有效应对复杂光学环境。
为提升基于低相干干涉原理的眼轴测量系统在图像采集阶段的自动化与定位精度,提出一种面向瞳孔中心识别的轻量化图像分割模型。该模型融合基于Mamba状态空间建模启发的注意力机制,用于增强对小目标区域的特征表达;引入频域融合与双残差连接,提升跳跃连接中的边缘定位能力;同时采用深度可分离卷积以降低模型复杂度,提升嵌入式部署性能。采用海康相机采集图像构建数据集进行实验验证,结果表明模型在mIoU(mean intersection over union)指标上较SE(squeeze-and-excitation)模块提升0.89%,较CBAM(convolutional block attention module)提升1.05%;在Recall指标上较TransUNet提升0.49%;整体识别准确率达99.86%,在强光干扰与睫毛遮挡等复杂环境下仍具良好稳定性。进一步结合 Canny 边缘检测与最小二乘椭圆拟合算法,实现瞳孔中心的高精度定位。该方法为眼轴测量系统提供了鲁棒、精确的图像处理方案,显著提升系统自动化与光路对准能力。
No takes yet. Share an insight, caveat, or question.
Chen et al. (2026) studied this question.
Synapse has enriched 10 related papers. Consider them for comparative context: