隨著各種三維成像技術的快速發展，三維圖像已被廣泛地應用于生產自動化、機器人視覺、工業制造、虛擬現實和醫療等領域。連通體標記處理作為物體特征提取、模式識別等圖像處理的基礎，其處理速度是影響整個系統性能的重要因素。鑒于三維圖像的體素數巨大、體素之間的連接關系復雜（如圖1所示），因此，如何解決三維二值圖像的連通體標記處理的高速化問題具有重要的學術價值和現實意義。本項目通過確立鄰接體素的最佳檢查順序以減少處理當前物體體素時鄰接體素的檢查次數，采用適用于多個等價標號合并處理的數據結構及合并順序，提出高效的三維二值圖像連通體標記算法；基于醫療等實際應用中三維二值圖像的物體多為實心體的特征，提出面向超級體素（段、基本立方塊）的三維二值圖像連通體標記的高速算法及基于一次掃描的物體體積計算算法。從多角度探索實現三維二值圖像連通體標記處理的高速化算法。

申請人：電氣與信息工程學院趙曉講師。 

工業產品質量同步無損自動檢測（如圖2所示），生物醫學圖像分析，車輛牌照號碼自動識別等系統的實現越來越多的借助圖像處理和模式識別技術解決，檢測圖像中物體個數、提取它們的面積等特征是不可或缺的處理，而連通體標記處理是提取圖像中各個物體特征的前提，是圖像模式識別領域里極為重要的基本處理之一。

連通體是二值圖像中相互連接在一起的物體像素區域，圖3所示的二值圖像中含有4個連通區域。連通體標記處理是將二值圖像中屬于同一連通體的所有物體像素用唯一的標號值進行標記，圖4為經過連通體標記處理后的二值圖像。在連通體標記處理的基礎上可以計算圖像中物體個數、面積、周長等形狀特征。由于連通體標記處理與連通體的形狀、結構有著密切的關系，不同于圖像二值化、去噪聲、平滑化等處理那樣僅靠局部和順序處理完成，連通體標記處理必須完整地處理整幅圖像，很難進行優化，所以一直是圖像識別系統中的瓶頸問題。

三維圖像比二維圖像有更為豐富的表現力。比如三維醫療圖像，可以將看不見的人體器官“真實”地顯示出來，從而有助于醫生獲取全面的信息，提高診斷的準確性和科學性。在這一應用場合下，病灶在圖像中呈現為連通體，如何快速而準確地獲取連通體的特征信息，是實現三維圖像上自動醫療診斷的前提。隨著各種三維成像技術的快速發展，三維圖像被廣泛的應用于生產自動化、機器人視覺、工業制造、虛擬現實等諸多領域，所以三維二值圖像的連通體標記處理的研究成果具有廣泛的應用前景。