进入21世纪后,多媒体技术获得了巨大的发展,而其中以三维数字模型和三维场景技术为代表的三维信息技术正在逐步成为影响人们生活、工作和娱乐的主流媒体技术。科学技术的增长与信息采集设备的便易性更促成了三维数据的分工,从面信息中分离出来的体信息在三维重建及可视化、建模与图形的检索、运动轨迹追踪、场景数字化、数据压缩、形体分割等正发挥着越来越重要的作用。而在众多应用中,模型各部分的语义及几何信息的需求使得模型的体分割,尤其是部件分割,受到越来越多的关注。然而当前大部分的模型分割算法都是基于面的,基于体的分割算法为数不多。因此,本次从基于体的角度进行形体分割,具有重要的理论意义与实用价值。本文首先系统介绍了当前基于面和体的三维形体部件分割方法,这些方法由于提取特征与分割准则的不同对不同模型呈现优劣各异的分割效果。随后我们对基于面信息的三维网格进行体素化:我们首先利用插值法对三维网格进行表面体素化,然后再对内部体素进行填充从而完成整个体素化过程。其次,我们利用传统的边界传播算法提取形体的中轴骨骼;与传统骨骼细化算法不同的是我们在中轴提取过程中,记录每层体素所删减的顺序,提出了用于描述形体“厚”、“薄”特性的最大迭代深度MID(Maximum Iterative Depth)与最小迭代深度MIID(MInimum Iterative Depth),并用MIID进行去噪、剪枝,最终得到理想骨骼。第三,我们利用最大迭代深度MID对“薄”壁形体与“非薄”壁形体进行自动初分割,并利用基于PCA主成分分析法与累加平均法得到的环切周长CCP(Circled Cutting Perimeter)对形体进行再分割,从而得到基于面与体的分割结果。最后,我们利用Princeton的分割评价体系与Benchmark中的分割算法进行定性与定量比较,实验表明本文所提出的基于MID-CCP的三维分割算法具有较好的综合性能。