-
公开(公告)号：CN111259954B
公开(公告)日：2024-05-31
申请号：CN202010040344.0
申请日：2020-01-15
Applicant: 北京工业大学
IPC: G06V10/764 , G06V10/26 , G16H20/90
Abstract: 一种基于D‑Resnet的高光谱中医舌苔舌质分类方法，涉及计算机视觉领域。基于RGB颜色空间的舌苔舌质分类，信息量不足，而高光谱舌像蕴含大量的光谱以及空间信息，通过提取舌象某一区域的光谱反射率变化情况结合高光谱图像提供的空间分布信息，从而实现人体的舌苔舌质分类。本发明提出一个端到端的D‑Resnet网络对高光谱舌图像进行分类，本发明先构造了密集连接模块(densely‑connected spectral block)提取光谱信息，随后构造了预激活瓶颈残差模块(pre‑activation bottleneck residual spatial block)提取空间信息。本发明实现了基于高光谱图像的舌苔舌质分类。
-
公开(公告)号：CN104545815A
公开(公告)日：2015-04-29
申请号：CN201510002851.4
申请日：2015-01-05
Applicant: 北京工业大学
IPC: A61B5/00
CPC classification number: A61B5/0075
Abstract: 基于多光谱视频的面部光谱反射率复原方法属于医学图像处理领域，针对肤色颜色判断过程中出现的同色异谱现象提出。该方法利用同步控制电路控制光源组合的切换及相机快门的触发，实现在不同光源谱的光照下，面部多光谱信息的采集。基于光谱反射率的有限维理论，面部光谱反射率可采用有限维正交光谱基的线性模型表示。该方法针对面部肤色在颜色空间的分布相对集中的特点，确定最佳光源组合及面部光谱反射率正交基。在确定光源功率谱和正交光谱基的情况下，可根据成像模型，由多光谱视频各点的数值序列计算该点的正交光谱基系数，从而完成面部各点光谱反射率的复原。该方法为中医辨证施治提供更精确的诊断信息，有利于提高中医面诊的客观性。
-
公开(公告)号：CN103729881A
公开(公告)日：2014-04-16
申请号：CN201310741761.8
申请日：2013-12-28
Applicant: 北京工业大学
IPC: G06T17/00
Abstract: 本发明为一种面向中医舌诊的舌体动态三维重建系统，可以实现对舌体的动态信息采集及三维重建。本发明包括球形箱体、颌托、升降台、相机遮光罩、脸型遮光罩、多光源系统（由8个LED光源、8个光源支架及底座组成）、图像采集系统（由高速摄像机、图像采集卡组成）、同步控制电路以及计算机。球形箱体的左右半球上各开一个孔，一个是安装图像采集装置的摄像孔，另一个是受试舌体伸进孔。箱体上以球心为圆心的竖直圆周上均匀设置八个光源，每个光源都面向舌体照射在舌体中心，每个光源的方向均可调。同步控制电路产生两组信号，一组信号控制八个光源循环点亮，另一组触发相机快门，实现每一个方向下的光源点亮，相机拍摄一帧图像，完成同步采集。
-
公开(公告)号：CN102930534A
公开(公告)日：2013-02-13
申请号：CN201210388022.0
申请日：2012-10-15
Applicant: 北京工业大学
Abstract: 本发明主要通过图像处理技术实现人体背部穴位自动检测方法，从而改善医者人为主观判定穴位的现状，提高穴位检测的效率以及减少无谓的人力，同时为以后一些疾病的自动诊断和分类系统、人体健康自动分析系统打下基础，提供必要的技术支持。本发明首先是计算输入图像的YCbCr值，通过椭圆模型进行肤色分割，得到人体背部图，之后利用Canny边缘检测算法以及由内向外寻找白点得到人体背部上下边缘曲线，求取中点进行直线拟合得到人体脊柱线，旋转图像得到目标图像。对样本图像进行灰度标准化处理，相加求平均之后得到模板图像，最后将目标图像和模板图像进行匹配，通过模板图像中的穴位位置确定目标图像的穴位位置。
-
公开(公告)号：CN111242038B
公开(公告)日：2024-06-07
申请号：CN202010040375.6
申请日：2020-01-15
Applicant: 北京工业大学
IPC: G06V20/40 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 一种基于帧预测网络的动态舌颤检测方法，涉及计算机视觉，模式识别与医学工程领域。本发明针对动态视频这类具有强时空相关性数据的处理问题提出了一种新的P‑net网络，该网络不仅考虑了多种尺度的特征，又加入了ConvGRU模块进行时间上的建模，实现了时空信息的融合处理。为了准确提高舌颤的判断性能与网络的泛化能力，本发明在网络输入之前执行光流提取操作，进一步获取帧之间的颤动信息。本发明采取预测思路，使用生成对抗模型对网络进行联合判别训练，同时在计算颤动分数时使用了一种时空滑窗操作，最终实现了高精度的基于P‑net网络的动态舌颤检测算法。
-
Patent Agency Ranking
公开(公告)号：CN116138767A
公开(公告)日：2023-05-23
申请号：CN202310023672.3
申请日：2023-01-09
Applicant: 北京工业大学
Abstract: 本发明涉及一种通过拟合圆法计算cobb角的检测检测方法。本发明设计了改进的Cobb角计算方法，使用拟合圆圆心角而非曲线切线夹角，减少了曲线切线法所引入的误差。本发明拟合曲线采用7次多项式而非B样条拟合能够减少由于操作引入的随机误差，增强曲线的可靠性。本发明可以有效的通过被测者体表获得身体内部椎体信息，并进一步得到Cobb角。能够有效的减少被测者拍摄X射线的次数，保护被测者健康。
-
公开(公告)号：CN111242038A
公开(公告)日：2020-06-05
申请号：CN202010040375.6
申请日：2020-01-15
Applicant: 北京工业大学
Abstract: 一种基于帧预测网络的动态舌颤检测方法，涉及计算机视觉，模式识别与医学工程领域。本发明针对动态视频这类具有强时空相关性数据的处理问题提出了一种新的P-net网络，该网络不仅考虑了多种尺度的特征，又加入了ConvGRU模块进行时间上的建模，实现了时空信息的融合处理。为了准确提高舌颤的判断性能与网络的泛化能力，本发明在网络输入之前执行光流提取操作，进一步获取帧之间的颤动信息。本发明采取预测思路，使用生成对抗模型对网络进行联合判别训练，同时在计算颤动分数时使用了一种时空滑窗操作，最终实现了高精度的基于P-net网络的动态舌颤检测算法。
-
公开(公告)号：CN103400146B
公开(公告)日：2017-03-01
申请号：CN201310306707.0
申请日：2013-07-19
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 识别。基于颜色建模的中医面色识别方法，首先采集多张人脸图像，然后将每张人脸图像划分为数个大小为m×n的皮肤块，这些皮肤块构成数据集，数据集分为训练样本集和典型样本集，其中皮肤块共分四类，计算训练样本和典型样本中所有皮肤块的颜色特征向量，分别计算典型样本集中四类样本的类中心及最大半径，通过对各类典型面色的建模特征向量v进行建模，计算各类典型样本模型综合变形度α和模型相似程度β的最大值，计算每个训练样本到典型样本集中各个类中心的相对距离，计算训练样本集中所有样本的类别归属因子λ_s，计算训练样本集中所有样
-
公开(公告)号：CN105930469A
公开(公告)日：2016-09-07
申请号：CN201610258743.8
申请日：2016-04-23
Applicant: 北京工业大学
CPC classification number: G06F16/9535 , G06Q50/14
Abstract: 基于Hadoop的个性化旅游推荐系统及方法，属于互联网技术、大数据领域；本发明共有五个模块相辅相成来完成整个系统功能，它们分别是网络爬虫模块、数据模块、大数据处理模块、推荐计算模块、UI界面模块。它们的连接关系为，网络爬虫模块与元数据模块单向连接，同时与UI界面模块单向连接；数据模块与大数据处理模块单向连接，同时与UI界面模块双向连接；大数据处理模块与推荐计算模块单向连接，同时与UI界面模块双向连接；推荐计算模块与UI界面模块双向连接。本发明开发了基于Hadoop的个性化旅游推荐系统，可以精准快速的为游客制定个性化推荐，为游客在选择目的地时带来更舒心适合的选择。
-
公开(公告)号：CN103106669B
公开(公告)日：2015-10-28
申请号：CN201310000915.8
申请日：2013-01-02
Applicant: 北京工业大学
Abstract: 中医舌图像环境适应性颜色复现方法属于医学图像处理领域。本方法首先在同一图像采集条件下拍摄专用色板图像，并用色度计测量色板中色块的标准色度值；在计算机中使用色板图像数据建立采集过程颜色特性化模型，实现设备颜色空间和标准色度空间之间的转换。然后根据测量得到的图像采集环境以及显示环境参数，结合舌图像结构先验知识确定的背景适应参数，利用视觉适应模型计算显示图像色度三刺激值。与采集过程特性化类似，通过在显示器上显示一组色块，并测量显示色块的标准色度值，建立显示过程颜色特性化模型，计算色度三刺激值对应的显示驱动值。本方法最终实现舌图像的适应性真实颜色复现。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.024 seconds)
