眼科实验中,研究人员往往需要判断小鼠的视力情况。然而,由于小鼠并不能表述自己的主观感受,小鼠的视力情况往往需要使用具体的实验来进行测量。本文详细介绍了一种自动测量小鼠视动反应的方法来解决眼科实验中小鼠视力测量问题。在自动测量小鼠的过程中,相机采集小鼠的运动图像并将图像信息传输给计算机。计算机先从图片中识别出小鼠头部的跟踪情况,然后再从跟踪情况中检测出小鼠视动反应的次数和持续时间长度。研究人员就可以判断出小鼠的视力情况。本文首先介绍了用于测量小鼠视动反应的装置,硬件部分提供了视动反应所需要的基本实验环境,而软件部分则能控制整个视动反应实验的各项进程。在小鼠视动反应检测硬件部分的基础上搭配软件功能可以极大提高视动反应检测效率。其次,本文介绍了从相机采集的小鼠运动图像获取小鼠头部方位的过程。先使用面积阈值等筛选二值化处理过图像中的轮廓。然后使用小鼠耳朵和尾巴的特征来初步识别小鼠的鼻尖位置,为了得到更精确的小鼠鼻尖位置,一种鼻尖重定位的技术被用来重新确定小鼠的鼻尖位置,之后从鼻尖位置计算得到小鼠的头部方位。为了解决小鼠运动不确定引起鼻尖位置识别失败的问题,本文另外提出了一种基于神经网络来识别小鼠鼻尖位置的方法,最终训练的模型网络预测结果与鼻尖位置之间的距离小于4.3mm的精度达到91.4%。接着,本文提出了一种自动计算小鼠视动反应次数和视动反应持续时间的算法。该算法从小鼠的头部方位数据中建立小鼠视动反应的运动曲线,然后使用基于区间分割的方法,用斜率、相关系数、差分标准差三个特征来检测每个小区间的视动反应情况并将连续的视动反应区间连接在一起。为了提高视动反应检测算法的精度,使用基于差分的加速算法排除掉波动剧烈明显不是视动反应的曲线,用支持向量机获取特征参数判断视动反应状况。最后,本文基于不同光栅速度、基于不同光栅空间频率和基于不同视力小鼠的视动反应实验验证了本文所提出视动反应自动检测算法的合理性和有效性。从方差分析的结果可以看出本文提出的视动反应自动检测结果可以用来辨别不同视力的小鼠。使用本文所提出的视动反应自动检测方法能大量节省眼科实验研究人员的时间和精力,提高视动反应检测的效率的精度。并且,这种自动检测小鼠视力的方法可以同时用于多只小鼠的视力测量,节省大量的人力和时间成本。