| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题背景及研究意义 | 第9-11页 |
| 1.3 国内外相关领域研究现状 | 第11-14页 |
| 1.3.1 图像模板构建方法的现状 | 第11页 |
| 1.3.2 医学图像配准及标记点检测的现状 | 第11-13页 |
| 1.3.3 机器学习在医学图像处理领域的现状 | 第13-14页 |
| 1.4 本文主要工作和章节安排 | 第14-17页 |
| 第2章 标记点特征分析及基于Ray-casting算法的模板构建 | 第17-29页 |
| 2.1 X光影像标记点的特征分析 | 第17-19页 |
| 2.1.1 影像成像部位特征分析 | 第17-18页 |
| 2.1.2 影像成像角度特征分析 | 第18-19页 |
| 2.2 传统模板构建方法的研究 | 第19-22页 |
| 2.2.1 截取标记点影像的模板构建 | 第19-21页 |
| 2.2.2 投影标记点参数模型的模板构建 | 第21-22页 |
| 2.3 基于Ray-casting算法的模板构建 | 第22-26页 |
| 2.3.1 Ray-casting算法 | 第22-23页 |
| 2.3.2 基于Ray-casting算法的标记点模板构建 | 第23-26页 |
| 2.4 Ray-casting算法的模板构建结果分析及对比 | 第26-28页 |
| 2.4.1 不同视点的Ray-casting模板构建结果 | 第26-27页 |
| 2.4.2 模板构建结果对比分析 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 HOG标记点特征检测算法的改进与实现 | 第29-43页 |
| 3.1 标记点粗匹配 | 第29-31页 |
| 3.1.1 粗精匹配 | 第29-30页 |
| 3.1.2 NCC算法粗匹配 | 第30页 |
| 3.1.3 标记点NCC粗匹配的实验及结果分析 | 第30-31页 |
| 3.2 HOG标记点特征检测算法的研究 | 第31-34页 |
| 3.2.1 基于HOG算法的标记点特征提取 | 第32-33页 |
| 3.2.2 基于HDG算法的标记点特征提取 | 第33-34页 |
| 3.3 HOG标记点特征检测算法的改进 | 第34-41页 |
| 3.3.1 梯度高斯加权的HOG改进 | 第34-37页 |
| 3.3.2 标记点分块方式的HOG改进 | 第37-39页 |
| 3.3.3 积分梯度直方图的HOG加速算法 | 第39-41页 |
| 3.4 HOG标记点特征检测算法改进的实现及结果分析 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 基于SVM的标记点分类检测的研究及实现 | 第43-59页 |
| 4.1 基于SVM的标记点分类检测方法的研究与设计 | 第43-48页 |
| 4.1.1 SVM的基本原理分析 | 第43-46页 |
| 4.1.2 基于SVM的标记点分类检测 | 第46-48页 |
| 4.2 SVM标记点分类的训练与实现 | 第48-53页 |
| 4.2.1 正负样本的获取 | 第48-50页 |
| 4.2.2 SVM分类器的训练及交叉验证 | 第50-52页 |
| 4.2.3 SVM的标记点检测的实现 | 第52-53页 |
| 4.3 SVM的标记点分类检测的结果分析 | 第53-54页 |
| 4.4 标记点检测的配准应用 | 第54-58页 |
| 4.4.1 基于标记点的配准 | 第54-56页 |
| 4.4.2 基于标记点的2D-3D的配准实验 | 第56-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 总结与展望 | 第59-61页 |
| 5.1 本文工作总结 | 第59-60页 |
| 5.2 未来工作展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第65页 |
