三维图像处理正日益成为多个应用领域中的变革性技术。尽管其最初主要应用于计算机图形学，但如今三维成像已在自动驾驶、医学诊断、虚拟与增强现实等领域发挥重要作用。随着激光雷达 (LiDAR)、深度相机以及摄影测量系统等低成本三维传感器的广泛普及，推动具备良好可扩展性与鲁棒性的三维数据处理流程需求正不断增长。

然而，三维数据具有不规则采样、高维度、稀疏性以及对噪声高度敏感等特点，这在数据获取、采样、恢复、分割、压缩以及语义理解等方面带来了诸多挑战。当前，有两类互补的方法在应对这些问题时展现出显著优势：一是基于图信号处理 (Graph Signal Processing, GSP) 的模型驱动框架，二是以图神经网络 (Graph Neural Networks, GNNs) 为代表的数据驱动方法。

为提升模型的可解释性并降低对大规模标注数据的依赖，研究者正越来越关注将模型先验与数据驱动学习相结合的混合方法。这类方法通常具有参数量更少、计算效率更高、可解释性更强以及泛化能力更优等优势。

此外，诸如三维高斯溅射 (3D Gaussian Splatting) 等新型三维渲染技术取得了快速进展，使得神经辐射场和点云数据能够实现高效且逼真的可视化。随着自主智能体和具身人工智能系统的不断发展，传统以人为中心的可视化编码方式已难以满足需求，亟需面向机器理解与分析的三维编码方案。

基于此，Journal of Imaging 特邀请了加拿大温哥华东北大学机械与工业工程系Chinthaka Dinesh教授领导特刊“3D Image Processing: Progress and Challenges (三维图像处理：进展与挑战)”。本特刊诚邀高质量研究成果，主题包括但不限于：

三维点云采样与恢复

基于图信号处理和图神经网络的模型

模型驱动的深度学习方法

LLM 引导的三维分析

三维高斯溅射等先进渲染技术

面向机器优化的三维编码方法

我们尤其欢迎在医疗健康、智慧城市、机器人技术和数字孪生等跨学科应用方向的投稿。期待收到能够直面现存挑战、提出前瞻观点的研究成果，携手描绘三维图像处理领域未来的发展图景。

投稿截止日期：2026年2月28日

客座编辑

Chinthaka Dinesh 教授

加拿大温哥华东北大学

加拿大温哥华东北大学机械与工业工程系教授，在信号与3D图像处理领域具有深厚的学术背景，他曾获得加拿大各大学研究生中最具声望的总督金质奖章 (Governor General's Gold Medal) 以及其他多项荣誉，体现了卓越的科研与学术能力。作为活跃的国际学术社区成员，他曾担任多个顶级信号处理与机器学习期刊和会议的技术委员会成员或发言人，包括 IEEE Transactions on Image Processing、IEEE Transactions on Multimedia、IEEE Signal Processing Letters、ICASSP、ICIP、MMSP 和 ICME 等。Chinthaka Dinesh 教授的研究领域广泛，涵盖图神经网络 (Graph Neural Networks)、图信号处理 (Graph Signal Processing)、模型驱动深度学习 (Model-based Deep Learning) 以及3D点云处理等前沿技术方向，并已在这些领域发表超40篇高影响力科研论文，累计引用近千次，展示出其在信号处理与智能视觉系统研究社区的显著贡献。

研究领域：图信号处理、图神经网络、图像处理、三维点云处理等

了解本特刊详情：

https://www.mdpi.com/journal/jimaging/special_issues/4G4R6N1P07

Journal of Imaging 期刊介绍

主编：Raimondo Schettini, University of Milano-Bicocca, Italy

期刊致力于发表多学科/跨学科领域的图像采集、图像处理和图像解析方面的高质量研究，也欢迎相关领域技术、程序、方法、应用或进展投稿。期刊目前已被Scopus, ESCI (Web of Science), Ei Compendex, PubMed, PMC, dblp, Inspec等数据库收录。

2024 Impact Factor：3.3

2024 CiteScore：6.7

Time to First Decision：15.3 Days

Acceptance to Publication：3.5 Days