基于特征的軟組織3D視覺重建與跟蹤
發(fā)布時(shí)間:2025-06-18 23:14
內(nèi)窺鏡檢查是常規(guī)臨床應(yīng)用中的一部分,用于微創(chuàng)檢查和治療。與傳統(tǒng)的開胸式手術(shù)相比,微創(chuàng)手術(shù)具有創(chuàng)傷微小、住院時(shí)間短、術(shù)中疼痛感小和術(shù)后恢復(fù)快等特點(diǎn)。但由于內(nèi)窺鏡的觀察視野比較狹窄,外科醫(yī)生在手術(shù)時(shí)對(duì)內(nèi)窺鏡位置的確定和手術(shù)器械的感知變得非常困難。利用三維重建技術(shù)可以恢復(fù)出手術(shù)區(qū)域的三維形態(tài),對(duì)術(shù)中和術(shù)后的分析都有極大的幫助。本文對(duì)基于特征的軟組織三維重建與跟蹤方法進(jìn)行了研究,主要包括特征檢測(cè)、特征匹配和三維曲面重建與特征跟蹤三個(gè)部分。首先,對(duì)內(nèi)窺鏡圖像進(jìn)行特征檢測(cè)。本文將特征檢測(cè)分為特征提取和特征描述兩部分,在特征提取部分,對(duì)FAST特征提取算法進(jìn)行了詳細(xì)研究。針對(duì)其構(gòu)建的決策樹存在分類效果較差的問題,基于C4.5算法進(jìn)行決策構(gòu)建,同時(shí)將原數(shù)據(jù)進(jìn)行劃分用于雙決策樹構(gòu)建,使特征提取性能更穩(wěn)定,特征點(diǎn)提取更高效。在特征描述部分對(duì)FREAK描述子進(jìn)行了研究,將其與本文改進(jìn)的特征提取算法相結(jié)合,在尺度空間提取特征點(diǎn),根據(jù)特征點(diǎn)在不同尺度下的響應(yīng)得分進(jìn)行二次函數(shù)擬合,得到亞像素精度的尺度不變描述子。在內(nèi)窺鏡圖像上的實(shí)驗(yàn)結(jié)果表明,本文特征提取方法具有較高的提取量和較快的提取速度,本文特征描述算法具有較高...
【文章頁(yè)數(shù)】:72 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究工作的背景與意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 特征檢測(cè)研究現(xiàn)狀
1.2.2 特征匹配研究現(xiàn)狀
1.2.3 三維曲面重建研究現(xiàn)狀
1.3 論文研究?jī)?nèi)容與章節(jié)安排
1.3.1 研究?jī)?nèi)容
1.3.2 章節(jié)安排
第二章 特征檢測(cè)算法研究
2.1 FAST特征提取算法
2.1.1 FAST特征提取原理
2.1.2 基于決策樹的FAST特征提取
2.2 基于C4.5 算法的雙決策樹FAST特征提取方法
2.2.1 基于C4.5的FAST特征提取方法
2.2.2 特征提取雙決策樹構(gòu)建
2.3 FREAK特征描述子
2.4 改進(jìn)FAST和 FREAK結(jié)合的多尺度特征檢測(cè)
2.4.1 連續(xù)尺度空間下的特征提取
2.4.2 多尺度非極大值抑制
2.5 實(shí)驗(yàn)結(jié)果與對(duì)比分析
2.5.1 特征提取性能對(duì)比
2.5.2 描述子性能對(duì)比
2.6 本章小結(jié)
第三章 特征匹配算法研究
3.1 傳統(tǒng)特征匹配方法及其優(yōu)化
3.1.1 蠻力匹配算法
3.1.2 特征匹配結(jié)果優(yōu)化方法
3.2 卷積神經(jīng)網(wǎng)絡(luò)
3.2.1 卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)
3.2.2 網(wǎng)絡(luò)訓(xùn)練及過擬合處理
3.3 基于卷積神經(jīng)網(wǎng)絡(luò)的特征匹配方法
3.3.1 訓(xùn)練總數(shù)據(jù)采集
3.3.2 用于特征分類的卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建
3.3.3 基于卷積神經(jīng)網(wǎng)絡(luò)的特征點(diǎn)分類
3.3.4 基于分類結(jié)果的特征匹配
3.4 實(shí)驗(yàn)結(jié)果和對(duì)比分析
3.4.1 特征閾值選取
3.4.2 特征匹配結(jié)果對(duì)比
3.5 本章小結(jié)
第四章 三維曲面重建與特征跟蹤
4.1 三維空間點(diǎn)坐標(biāo)恢復(fù)
4.1.1 對(duì)極幾何
4.1.2 雙目相機(jī)幾何關(guān)系
4.2 三角剖分
4.2.1 Delaunay三角剖分
4.2.2 三維曲面的三角剖分
4.3 特征點(diǎn)跟蹤
4.4 實(shí)驗(yàn)結(jié)果及分析
4.4.1 三維曲面重建實(shí)驗(yàn)
4.4.2 特征點(diǎn)跟蹤實(shí)驗(yàn)
4.5 本章小結(jié)
第五章 總結(jié)與展望
5.1 全文總結(jié)
5.2 后續(xù)工作展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的成果
本文編號(hào):4050483
【文章頁(yè)數(shù)】:72 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究工作的背景與意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 特征檢測(cè)研究現(xiàn)狀
1.2.2 特征匹配研究現(xiàn)狀
1.2.3 三維曲面重建研究現(xiàn)狀
1.3 論文研究?jī)?nèi)容與章節(jié)安排
1.3.1 研究?jī)?nèi)容
1.3.2 章節(jié)安排
第二章 特征檢測(cè)算法研究
2.1 FAST特征提取算法
2.1.1 FAST特征提取原理
2.1.2 基于決策樹的FAST特征提取
2.2 基于C4.5 算法的雙決策樹FAST特征提取方法
2.2.1 基于C4.5的FAST特征提取方法
2.2.2 特征提取雙決策樹構(gòu)建
2.3 FREAK特征描述子
2.4 改進(jìn)FAST和 FREAK結(jié)合的多尺度特征檢測(cè)
2.4.1 連續(xù)尺度空間下的特征提取
2.4.2 多尺度非極大值抑制
2.5 實(shí)驗(yàn)結(jié)果與對(duì)比分析
2.5.1 特征提取性能對(duì)比
2.5.2 描述子性能對(duì)比
2.6 本章小結(jié)
第三章 特征匹配算法研究
3.1 傳統(tǒng)特征匹配方法及其優(yōu)化
3.1.1 蠻力匹配算法
3.1.2 特征匹配結(jié)果優(yōu)化方法
3.2 卷積神經(jīng)網(wǎng)絡(luò)
3.2.1 卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)
3.2.2 網(wǎng)絡(luò)訓(xùn)練及過擬合處理
3.3 基于卷積神經(jīng)網(wǎng)絡(luò)的特征匹配方法
3.3.1 訓(xùn)練總數(shù)據(jù)采集
3.3.2 用于特征分類的卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建
3.3.3 基于卷積神經(jīng)網(wǎng)絡(luò)的特征點(diǎn)分類
3.3.4 基于分類結(jié)果的特征匹配
3.4 實(shí)驗(yàn)結(jié)果和對(duì)比分析
3.4.1 特征閾值選取
3.4.2 特征匹配結(jié)果對(duì)比
3.5 本章小結(jié)
第四章 三維曲面重建與特征跟蹤
4.1 三維空間點(diǎn)坐標(biāo)恢復(fù)
4.1.1 對(duì)極幾何
4.1.2 雙目相機(jī)幾何關(guān)系
4.2 三角剖分
4.2.1 Delaunay三角剖分
4.2.2 三維曲面的三角剖分
4.3 特征點(diǎn)跟蹤
4.4 實(shí)驗(yàn)結(jié)果及分析
4.4.1 三維曲面重建實(shí)驗(yàn)
4.4.2 特征點(diǎn)跟蹤實(shí)驗(yàn)
4.5 本章小結(jié)
第五章 總結(jié)與展望
5.1 全文總結(jié)
5.2 后續(xù)工作展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的成果
本文編號(hào):4050483
本文鏈接:http://www.lk138.cn/yixuelunwen/swyx/4050483.html
最近更新
教材專著