由于这些解剖界标是“关键点”，因此我尝试使用SIFT特征描述符。这并不是很好，因为地标是通常不是SIFT定义的“兴趣点”的点（或微小区域）。
我一直在寻找许多模式/模板匹配算法，但是当我不这样做时遇到旋转/平移/缩放问题，我发现提取的特征不能将每个界标（与其余界标和与非界标补丁的其余部分）区分开来，不足以训练性能良好的分类器（至少80检测精度的百分比）。
如果我没有足够清楚地说明问题，请告诉我。
我真的很感谢任何建议。
示例图片：
小x叉和小方块在我要检测的地标上（我忘记了提到我有一套训练课程，上面标有地标）。白线表示已采取的措施。这些是不同情况的一些片段（当然，我无法发布完整的3D卷）。
#1 楼
我很犹豫地将此作为答案，但是鉴于您只是在寻求建议，我会这样做。我建议研究基于双树复数小波变换（DTCWT）的技术。这些已显示对于生成对源图像的移位，缩放和旋转具有良好容忍度的描述符很有用。这不是经典的问题，因为您不允许为您分配点，但是我怀疑您可能认为您可以将技术应用于预定义的地标。
很显然，地标引起了人们的兴趣从临床医生的角度来看，因此对他们有一些兴趣-这只是在描述符中建模的一种情况。小波技术（尤其是DTCWT）往往擅长于对人眼所捕捉的特征进行建模。
这个新的论文可能是一个起点。
评论
您能张贴一些有代表性的图片并指出您要检测的功能吗？我在图像中看到了X和框，但我不明白是什么使它们成为地标。是手动选择图像中的图像吗？如果您能描述一下如何选择它们，将会大有帮助。
是的，这些地标是由MD手动选择的。实际上，主要是它们在骨骼中的位置和弯曲度使临床医生可以检测到它们。另外，可能还要考虑皮质骨的宽度（这对他们来说是自然的，对他们发现这些点的方式进行反向工程确实很困难），因为它比骨骼的其他部分薄。我的困难实际上是在特征提取器中为所有这些建模。