【基金故事】③赵晓：紧扣主题 严谨细致

随着各种三维成像技术的快速发展，三维图像已被广泛地应用于生产自动化、机器人视觉、工业制造、虚拟现实和医疗等领域。连通体标记处理作为物体特征提取、模式识别等图像处理的基础，其处理速度是影响整个系统性能的重要因素。鉴于三维图像的体素数巨大、体素之间的连接关系复杂（如图1所示），因此，如何解决三维二值图像的连通体标记处理的高速化问题具有重要的学术价值和现实意义。本项目通过确立邻接体素的最佳检查顺序以减少处理当前物体体素时邻接体素的检查次数，采用适用于多个等价标号合并处理的数据结构及合并顺序，提出高效的三维二值图像连通体标记算法；基于医疗等实际应用中三维二值图像的物体多为实心体的特征，提出面向超级体素（段、基本立方块）的三维二值图像连通体标记的高速算法及基于一次扫描的物体体积计算算法。从多角度探索实现三维二值图像连通体标记处理的高速化算法。

申请人：电气与信息工程学院赵晓讲师。 

工业产品质量同步无损自动检测（如图2所示），生物医学图像分析，车辆牌照号码自动识别等系统的实现越来越多的借助图像处理和模式识别技术解决，检测图像中物体个数、提取它们的面积等特征是不可或缺的处理，而连通体标记处理是提取图像中各个物体特征的前提，是图像模式识别领域里极为重要的基本处理之一。

连通体是二值图像中相互连接在一起的物体像素区域，图3所示的二值图像中含有4个连通区域。连通体标记处理是将二值图像中属于同一连通体的所有物体像素用唯一的标号值进行标记，图4为经过连通体标记处理后的二值图像。在连通体标记处理的基础上可以计算图像中物体个数、面积、周长等形状特征。由于连通体标记处理与连通体的形状、结构有着密切的关系，不同于图像二值化、去噪声、平滑化等处理那样仅靠局部和顺序处理完成，连通体标记处理必须完整地处理整幅图像，很难进行优化，所以一直是图像识别系统中的瓶颈问题。

三维图像比二维图像有更为丰富的表现力。比如三维医疗图像，可以将看不见的人体器官“真实”地显示出来，从而有助于医生获取全面的信息，提高诊断的准确性和科学性。在这一应用场合下，病灶在图像中呈现为连通体，如何快速而准确地获取连通体的特征信息，是实现三维图像上自动医疗诊断的前提。随着各种三维成像技术的快速发展，三维图像被广泛的应用于生产自动化、机器人视觉、工业制造、虚拟现实等诸多领域，所以三维二值图像的连通体标记处理的研究成果具有广泛的应用前景。