| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 图录 | 第10-12页 |
| 表录 | 第12-13页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 课题的研究背景 | 第13-14页 |
| 1.2 三维可视化技术 | 第14-18页 |
| 1.2.1 三维可视化的基本流程 | 第14-15页 |
| 1.2.2 三维可视化技术的分类及其特点 | 第15-18页 |
| 1.3 本课题研究现状 | 第18-21页 |
| 1.4 课题研究内容 | 第21-22页 |
| 1.5 论文结构与安排 | 第22-23页 |
| 第二章 CT 图像的点云提取技术 | 第23-31页 |
| 2.1 引言 | 第23页 |
| 2.2 离散点数据的空间位置 | 第23-26页 |
| 2.2.1 CT 图像预处理 | 第23-24页 |
| 2.2.2 物体表面层提取 | 第24-26页 |
| 2.3 基于 SOM 网络的点云数据精简 | 第26-29页 |
| 2.3.1 自组织映射神经网络 | 第26-27页 |
| 2.3.2 基于 SOM 算法的点云精简 | 第27-29页 |
| 2.4 实验结果与分析 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于点模型的真实感图像绘制 | 第31-51页 |
| 3.1 引言 | 第31页 |
| 3.2 离散点绘制算法 | 第31-41页 |
| 3.2.1 片元的半径 | 第32-33页 |
| 3.2.2 片元在图像空间的投影 | 第33-35页 |
| 3.2.3 点的消隐 | 第35-37页 |
| 3.2.4 光照模型 | 第37-41页 |
| 3.3 离散点数据的法向量 | 第41-46页 |
| 3.3.1 基于局部表面拟合的法向量估计算法 | 第41-43页 |
| 3.3.2 自适应邻域选择的点云法向量估计算法 | 第43-46页 |
| 3.4 实验结果与分析 | 第46-49页 |
| 3.4.1 自适应邻域尺寸法向量估算 | 第46-48页 |
| 3.4.2 点云数据的真实感绘制 | 第48-49页 |
| 3.5 本章小结 | 第49-51页 |
| 第四章 多层表面轮廓点云的三维可视化 | 第51-58页 |
| 4.1 引言 | 第51-52页 |
| 4.2 基于深度层次分解的多层表面点云的三维可视化 | 第52-55页 |
| 4.2.1 点云数据的深度层次分解 | 第52-55页 |
| 4.2.2 各层光亮度合成 | 第55页 |
| 4.3 实验结果及分析 | 第55-56页 |
| 4.4 本章小结 | 第56-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 本文工作总结 | 第58-59页 |
| 5.2 未来展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 作者简历 攻读硕士学位期间完成的主要工作 | 第65页 |