公开(公告)号：CN113534097B

公开(公告)日：2023-11-24

申请号：CN202110995505.6

申请日：2021-08-27

申请人： 北京工业大学

发明人： 贾克斌 ,  陈嘉平 ,  王志举

IPC分类号： G01S7/48

摘要： 本发明提供了一种适用于旋轴激光雷达的优化方法，该方法通过步进电机的位姿、步进电机的角度、激光雷达自身重力和其固定位置动态设置趋向参数。根据趋向参数，对激光雷达点云帧所对应的步进电机的角度数据进行缩放以校正步进电机的角度数据，然后计算点云帧校正位姿，并优化点云帧校正位姿获得点云帧优化位姿。通过该方法能够有效解决外部旋轴在作业时由所受到的来自激光雷达的重力带来的力矩扰动所造成的扫描点云的畸变问题，提高了建图的质量和精度。

公开(公告)号：CN116807428A

公开(公告)日：2023-09-29

申请号：CN202310317145.3

申请日：2023-03-26

申请人： 北京工业大学

发明人： 李哲 ,  白江涛 ,  姜敏楠 ,  冯金超 ,  贾克斌

IPC分类号： A61B5/021 ,  A61B5/026 ,  A61B5/00 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明公开了一种基于深度学习的扩散相关光谱无创血压连续监测方法，具体包括：首先，基于扩散相关光谱技术获取被测试者手臂部位的光强自相关函数数据，利用传统非线性拟合方法计算出组织血流指数；然后，基于所提出的U‑net网络将拟合出的组织血流指数数据进行训练，建立从组织血流指数到血压之间的端到端网络模型；最后，将测试集数据送入训练好的网络模型中，实现血压的预测，从而得到连续血压波形。本发明直接建立了组织血流指数与血压间的端到端关系，为无创血压连续监测提供了新方法，克服了现有无创血压连续监测方法操作繁琐、因袖带充气而导致不适等不足，为人们了解血压的起伏变化提供了方便。

公开(公告)号：CN112587118B

公开(公告)日：2023-02-28

申请号：CN202011456434.4

申请日：2020-12-11

申请人： 北京工业大学

发明人： 李哲 ,  姜敏楠 ,  葛奇思 ,  冯金超 ,  贾克斌

IPC分类号： A61B5/026

摘要： 本发明公开了一种基于深度学习的扩散相关光谱血流量化方法，用于解决目前扩散相关光谱组织血流量化过程中以解析模型或者蒙特卡洛模型迭代拟合存在的耗时长的问题。具体包括：利用扩散相关光谱技术获取被测组织的光强自相关函数数据，通过深度学习方法直接建立从光强自相关函数(g2(τ))到血流指数(BFI)之间的端到端网络，输出得到血流指数数据，训练得到用于扩散相关光谱血流量化的深度学习网络模型，并将测试集数据输入到血流量化深度学习网络模型中进行预测，实现对组织血流变化的量化。该方法利用深度学习模型直接建立光强自相关函数与组织血流之间的量化关系，避免了传统扩散相关光谱拟合方法的不足，在保证量化精度的同时，极大地提高了拟合速度，能够为组织血流的动态纵向测量提供有利条件。

公开(公告)号：CN107045728B

公开(公告)日：2022-01-28

申请号：CN201611149880.4

申请日：2016-12-14

申请人： 北京工业大学

发明人： 冯金超 ,  李祎楠 ,  李哲 ,  贾克斌

IPC分类号： G06T11/00

摘要： 生物发光断层成像复合正则化重建的自适应参数选择方法，属于医学图像处理领域。由于生物组织具有强散射，低吸收的特点，生物发光断层成像的重建问题在数学上是一个高度病态的问题，外界微小的测量扰动都会给重建结果带来很大的变化。为了降低BLT重建问题的病态性，在重建时可以使用正则化的求解方法将光源重建问题转变成一个非线性的最优化问题。为了能够取得更加理想的BLT重建效果，使用基于L1范数与TV范数的复合正则化方法对重建问题求解；本发明结合偏差原理，使用迭代的方式计算复合正则化参数。通过本方法，针对BLT的复合正则化重建方法可以自适应地计算得到合适的正则化参数。

公开(公告)号：CN113284204A

公开(公告)日：2021-08-20

申请号：CN202110258621.X

申请日：2021-03-09

申请人： 北京工业大学

发明人： 冯金超 ,  魏承朴 ,  贾克斌 ,  孙中华 ,  李哲

IPC分类号： G06T11/00 ,  A61B5/00 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于模型的深度学习扩散光学层析成像方法，属于医学图像处理领域。提出将卷积神经网络(CNN)构建正则化算子，并结合光传输模型直接重建生物组织的光学特性参数分布。实现从数据域到图像域的直接重建。

公开(公告)号：CN112084843A

公开(公告)日：2020-12-15

申请号：CN202010735133.9

申请日：2020-07-28

申请人： 北京工业大学

发明人： 贾克斌 ,  魏之皓 ,  张家琪 ,  冯金超 ,  孙中华 ,  刘鹏宇

IPC分类号： G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于半监督学习的多光谱河道遥感监测方法，实现对于多光谱河道遥感图像中的河流区域的识别与河道宽度监测的任务。基于多光谱遥感图像的光谱信息，发明一种基于半监督学习的目标区域分类方法，以及基于集成学习的目标区域分类结果融合方法。该方法通过对于多光谱遥感图像进行基于对称卷积神经网络的特征提取，并基于半监督学习和集成学习实现多光谱遥感图像的区域分类识别任务。最后基于计算机视觉设计理念，实现了河道宽度的自动测量监测。

公开(公告)号：CN111243000A

公开(公告)日：2020-06-05

申请号：CN202010030747.7

申请日：2020-01-13

申请人： 北京工业大学

发明人： 贾克斌 ,  杜奕伯

IPC分类号： G06T7/55

摘要： 本发明公开了多约束代价计算与聚合的立体匹配方法，该方法包括包括两个步骤，步骤一是初始代价的计算，通过分析双目相机拍摄的左右两幅视角下的图像，计算出初始的视差；步骤二是代价聚合阶段，这一阶段可以得到比较致密的视差图，将步骤一中的初始代价进行聚合后提升视差值的精确度。本发明是将图像中的某一块区域与另一幅图像进行区域匹配，所以相比于特征点法更能绘制出致密的视差图。并且在代价聚合过程中采用了十字型的聚合模板，使聚合过程更具有鲁棒性，比当下大部分区域匹配算法具有更高的准确度，对后续的工作能提供更大的帮助。

公开(公告)号：CN106331711B

公开(公告)日：2019-07-05

申请号：CN201610743876.4

申请日：2016-08-26

申请人： 北京工业大学

发明人： 刘鹏宇 ,  吴玥颖 ,  丰泽琪 ,  贾克斌

IPC分类号： H04N19/167 ,  H04N19/154 ,  H04N19/149 ,  H04N19/19 ,  H04N21/2662

摘要： 本发明公开一种基于网络特征与视频特征的动态码率控制方法，通过两类特征与接收端视频质量之间的相互关系，建立接收端视频质量失真模型；进一步通过分析接收端视频质量与输出码率之间的关系，结合前述的视觉关注度重构率失真模型；然后研究融合反馈信息的编码参数动态偏置范围预测方法，实现接收端视频质量与码率控制误差联动调整；最终建立融合网络特征和视频内容特征的分级动态码率控制机制，力争在保证编码器输出码率与信道环境相匹配的同时，实现接收端视频质量的提升，在保持视频重建图像质量的前提下，提高码率控制精度。

公开(公告)号：CN109924949A

公开(公告)日：2019-06-25

申请号：CN201910161938.4

申请日：2019-03-05

申请人： 北京工业大学

发明人： 冯金超 ,  孙秋婉 ,  贾克斌 ,  李哲 ,  孙中华

IPC分类号： A61B5/00

摘要： 本发明公开了一种基于卷积神经网络的近红外光谱断层成像重建方法，属于医学图像处理领域。采用卷积神经网络表达近红外光谱断层成像目标的边界测量值与内部光学参数分布的非线性映射关系，通过网络训练可从测量值得到吸收系数分布图像，实现传感器域到图像域的直接重建。本方法可在保证光学参数分布准确重建的情况下具有较高的计算效率。

公开(公告)号：CN106210747A

公开(公告)日：2016-12-07

申请号：CN201610569089.2

申请日：2016-07-19

申请人： 北京工业大学

发明人： 刘鹏宇 ,  高原 ,  贾克斌

IPC分类号： H04N19/70 ,  H04N19/60 ,  H04N19/593 ,  H04N19/46 ,  H04N19/44

CPC分类号： H04N19/70 ,  H04N19/44 ,  H04N19/46 ,  H04N19/593 ,  H04N19/60

摘要： 本发明属于视频压缩编码领域，公开了一种基于四叉树概率预测的低复杂度视频编码方法，基于编码器内部参数，对编码帧四叉树的根节点和树深度进行预测，并定期对预测四叉树的根节点和树深度进行更新，保证后续编码帧的预测精度。采用本发明的技术方案，在全帧内、低延时、随机接入等有损压缩配置下均可以实现不同程度的编码时间节省，且码率增加较少，重建图像主观质量较好。