三维模型检索具有重要的理论和实践价值,旨在庞大的模型数据库中找到与检索对象同类或相似的三维模型,其关键步骤是为模型设计特征描述符。非刚性三维模型具有铰链结构,模型变换种类多样、形式复杂,针对这一类模型的检索更加富有挑战性。非刚性三维模型特征提取主要有两个发展趋势:一是探索模型的内蕴属性,设计辨别力更强的手工特征;二是利用深度学习技术自动提取特征,同时满足较低的计算复杂度。本文致力于设计高效的非刚性三维模型特征描述符,并将其运用于三维模型相似性度量中,提高非刚性三维模型检索准确率。本文提出了三种非刚性模型特征描述符。首先,设计了一种内二面角分布直方图特征去刻画模型表面的凹凸性,检索准确度较传统的统计特征有较大的提升;其次,波核特征利用不同能量等级的量子粒子在给定顶点位置上的平均概率分布描述了模型的内蕴属性。本文针对波核特征的尺度敏感性,引入特征值归一化方法对其改进,实现了一种尺度不变的波核特征,同时提高了检索准确率;最后,利用保面积球面参数化方法将三维模型降维到二维平面上,再使用多种谱特征对平面点集进行编码生成几何图像,通过卷积神经网络训练几何图像得到模型特征,检索效果也得到了提升。针对以上三种特征描述符,本文在多个标准的非刚性三维模型数据库上进行了丰富的实验,与传统算法进行多角度对比,实验结果验证了本文所提算法的有效性。为了进一步形象地说明算法的效果,本文又基于WebGL构建了一个非刚性三维模型检索系统,能够在给定数据集中查询出与被检索对象相似的多个模型,并按照相似程度依次展现出来。最后,综合文献研究和实验过程,本文给出了研究总结和未来展望,为相关领域研究者提供参考。