-
公开(公告)号：CN107123104A
公开(公告)日：2017-09-01
申请号：CN201610105206.X
申请日：2016-02-25
Applicant: 北京大学
Abstract: 本发明提供了一种体图像的注册与重叠方法，包括：分别在参考体图像和目标体图像中提取参考图像子集和目标图像子集；使用半监督学习方法分别在参考图像子集和目标图像子集中定义感兴趣结构；计算参考图像子集的感兴趣结构和目标图像子集的感兴趣结构中的各个体素的球灰度积分算子；基于球灰度积分算子通过协同嵌入来求解参考图像子集与目标图像子集之间的对应关系；基于得到的对应关系计算参考体图像与目标体图像之间的刚性变换参数；以及将计算得到的刚性变换参数应用于参考体图像，并将刚性变换后的参考体图像与目标体图像重叠。
-
公开(公告)号：CN103823887B
公开(公告)日：2017-02-15
申请号：CN201410084319.7
申请日：2014-03-10
Applicant: 北京大学
Abstract: 一种基于低秩全局几何一致性检验的错误匹配检测方法：用SIFT及BoF提取并匹配两幅待比较图像中的特征点；计算两幅图像的平方距离矩阵并将之合并；将合并后的平方距离矩阵分解为一个真实匹配对组成的平方距离矩阵A和一个错误匹配造成的差异矩阵E；计算E矩阵各行列元素之和并排序，并计算排序后各和值的二次差分，取达到最大二次差分值的点作为门限值，所有行和高于门限值的对应特征点对判定为错误匹配对；去掉错误匹配对，根据真实匹配点对计算图像间的相似度，根据相似度大小排序输出图像检索结果。本发明简单高效，仅使用特征的坐标作为唯一输入信息，却能够处理造成重复图片差异的相似性变换，可以正确地检测所有错误匹(56)对比文件Junqiang Wang.etc.Strong GeometryConsistency for Large Scale Partial-Duplicate Image Search《.Proceeding ofthe21st ACM International Conference onMultimedia》.2013,633-636.James Philbin.etc.Object retrievalwith large vocabularies and fast spatialmatching《.IEEE Conference on ComputerVision and Pattern Recognition》.2007,1-8.
-
公开(公告)号：CN101739714B
公开(公告)日：2012-11-07
申请号：CN200810226389.6
申请日：2008-11-14
Applicant: 北京大学
Abstract: 本发明涉及计算机视觉领域，具体涉及一种从图像中重建植物枝干模型的方法，所述方法包括步骤：获取若干幅图像以及所述图像间的相对关系；获取所述图像的alpha matte作为后续操作的依赖图像；手工指定其中两幅图像中枝干底部的位置和其中一幅图像中对应的决定半径的像素；依据上述图像中指定的枝干初始位置计算三维初始位置以及半径；以所得三维初始位置以及半径为基础逐步生长三维枝干模型。本发明方法简单且最大限度地利用了图像上的信息，能够生成与图像较为符合的枝干模型。
-
-
公开(公告)号：CN101446980A
公开(公告)日：2009-06-03
申请号：CN200810246851.9
申请日：2008-12-26
Applicant: 北京大学
Abstract: 本发明涉及一种基于彩色旋转图像的三维部分形状匹配和检索方法，包括步骤：对三维形状表面进行采样，得到一系列基点，在每个基点上计算一种局部形状特征；对所述局部形状特征进行聚类得到聚类中心，保存所述聚类中心构成局部形状特征词典；在所述局部形状特征词典中查找和每个局部形状特征最接近的聚类中心，并将该特征用聚类中心的编号替代；对每个带有聚类中心编号的基点计算旋转图像形状特征，生成彩色旋转图像特征；计算两个彩色旋转图像间的相似性及两个三维形状之间的相似性。该方法解决了传统三维模型检索方法不适用于基于部分形状相似性查找，和对三维形状数据中的噪声和遮挡较为敏感的问题。
-
Patent Agency Ranking
-
公开(公告)号：CN108205806B
公开(公告)日：2020-10-09
申请号：CN201611185771.8
申请日：2016-12-20
Applicant: 北京大学
Abstract: 本发明公布了一种锥束CT图像三维颅面结构的自动解析方法，基于图画模型和全卷积神经网络，训练图画模型用于解剖结构的自动检测与定位，利用全卷积神经网络构造解剖结构所在的锥束CT图像与对应的标注图像之间的映射。在测试阶段，对输入的三维锥束CT图像，首先利用图画模型检测感兴趣的解剖结构的空间位置，再利用全卷积深度网络估计该结构所在的图像子块的自动标注，实现三维颅面结构自动解析。本发明能够对锥束CT图像中感兴趣的三维颅面结构进行自动分割与标注，获得稳定结构的自动解析与分割，可用于口腔正畸临床治疗方案的制定与疗效的评价。
-
公开(公告)号：CN108205805B
公开(公告)日：2020-06-02
申请号：CN201611184654.X
申请日：2016-12-20
Applicant: 北京大学
Abstract: 本发明公布了一种锥束CT图像间体素稠密对应的自动建立方法，分为对级联测地随机森林进行训练过程和在线测试过程；首先根据锥束CT图像定义图像子集，基于表观随机森林获取图像子集间体素的相似度，然后基于级联测地随机森林更新图像子集间体素的相似度，再利用正则化机制获取原始图像间稠密体素对应，由此实现锥束CT图像间体素稠密对应的快速自动建立。本发明建立对应的方法有效克服了现有方法对标注数据的大量需求以及稠密体素对应效率低的问题，基于本发明的体素对应可得到锥束CT图像之间的非刚性变形以及配准，用于估计不同锥束CT图像之间的差异及临床正畸治疗评价。
-
公开(公告)号：CN110598635A
公开(公告)日：2019-12-20
申请号：CN201910865074.4
申请日：2019-09-12
Applicant: 北京大学第一医院 , 北京澄之智能科技有限公司
Abstract: 本发明提供一种针对连续视频帧中的人脸检测与瞳孔定位方法及系统，其中方法包括获取连续视频帧，还包括以下步骤：将当前帧转化为灰度图像，并进行直方图均衡化操作；进行人脸定位；确定瞳孔中心位置；计算所述瞳孔中心位置与眼外角位置的距离占眼内外角距离的百分比为瞳孔中心位置量，计算公式为X％＝(|x1-x外|)/(|x内-x外|)，其中，x1表示瞳孔中心位置像素点的横坐标，x外表示眼外角位置像素点的横坐标，x内表示眼内角位置像素点的横坐标。本发明能够克服现有技术中存在的效率低、鲁棒性差、过于依赖初始状态等缺陷。
-
公开(公告)号：CN109035327A
公开(公告)日：2018-12-18
申请号：CN201810658881.4
申请日：2018-06-25
Applicant: 北京大学
CPC classification number: G06T7/70 , G06T3/0043 , G06T3/60 , G06T2207/20081 , G06T2207/20084 , G06T2207/30244
Abstract: 本发明公布了一种基于深度学习的全景相机姿态估计方法，基于深度卷积网络和消失点，对全景相机的三维朝向进行估计，只需给定单张全景图片即能较快地估计得到相机相对于世界的旋转矩阵；包括：图像数据采集、图像数据处理、建立用于全景相机姿态估计的新的网络结构PanoNet、训练PanoNet并预测估计全景相机姿态。本发明使用单张全景图片，能够在有遮挡，有空洞，弱纹理等场景下，估计全景相机相对于世界坐标系的旋转。方法的鲁棒性高。
-
-
-
-
-
-
-
-
-
Search Results
78
records
(took 0.017 seconds)
