部件化物体分割是面向深度图像建模与识别的关键步骤。在多物体场景中,物体之间因相互遮挡而产生采样数据部分缺失的现象。本文研究并设计了超二次曲面边缘对缺失部分数据的物体建模,以及基于边缘增长的深度图像区域分割方法,实现了遮挡物体的部件化建模与分割。本文首先采用超二次曲面投影边缘对缺失部分数据物体建模,通过分析超二次曲面边缘拟合的原理,建立了超二次曲面边缘拟合的初始目标函数,同时利用曲线等距取样和边缘投影等策略,优化了目标函数,设计并实现了超二次曲面边缘拟合算法,得到了物体的超二次曲面模型参数,成功恢复了缺失部分数据物体的原始模型。然后针对多个物体间存在相互遮挡的情况,用基于边缘和区域约束的区域增长方法进行部件化物体建模与分割,通过分析区域增长方法的基本原理和深度图像分割的基本过程,并研究和设计了基于边缘和区域约束的区域增长策略,将深度图像的区域信息和边界信息互相融合,改进了区域增长规则。最后设计并实现了面向深度图像的部件化物体建模与分割算法,成功得到了分割后各部件的超二次曲面模型参数。实验结果表明,超二次曲面边缘拟合实现了对缺失部分数据物体的建模,而基于边缘和区域约束的区域增长方法实现了遮挡物体的建模与分割,为部件化物体识别奠定了基础。