医学图像三维重建技术的目标是对人体器官和组织进行立体式可视化分析。近年来已经成为医学图像处理与分析领域的研究热点。这种技术对于临床医生观察人体内部组织和病灶提供了更加直接、清晰和准确的手段。这种技术出现以前,医生在临床诊断时只能观察一系列的二维医学图像,这样很难确定病灶的大小、位置、几何形状以及它和周围组织的关系。显然,这样容易发生误诊等严重后果。因此,对常规医学影像仪器得到的二维图像进行三维重建是一项非常有意义的工作。本文首先介绍了医学图像三维重建的原理、步骤和常用重建方法。从医学图像的获取、预处理、分割到三维重建的常用方法和评价标准,为后续的三维重建和姿态估计做理论准备。随后,我们提出一种新颖的基于机器学习的X光图像的自动标志点检测方法。标志点检测是三维重建的关键步骤。首先,我们提出使用基于协方差矩阵的描述子,来有效的代表X光图像中标志点的特征。然后,我们使用基于协方差特征的Logitboost级联分类器来学习决策函数,这种方法能够以较高的检测率和较低的误警率自动定位X光图像的标志点。最后,大量的实验结果表明,我们提出的方法对于X光图像的标志点检测是适当而且有效的。由已经测出的三维坐标和检测出来的二维坐标,根据Tsai的两步标定方法来求得摄像机姿态参数,也就是内参数矩阵和外参数矩阵。在此之后,利用求出来的摄像机内外参数,我们反推出标志点的三维坐标,并和已知的标志点三维坐标进行比较实验,从而验证所使用摄像机姿态标定方法的准确度。