现如今,越来越多的三维技术得到广泛应用,如3D打印技术、3D扫描技术、三维设计软件等,三维技术日益在信息共享方面显示出巨大的发展潜力。三维模型的特征提取与检索是计算机图形学领域的研究热点之一,是一个极具挑战性的开放课题,具有重要的理论和实用价值。三维模型检索系统的核心问题是如何建立一个高效的特征提取算法,以支持大数据背景下互联网海量三维模型的复杂检索。然而,三维模型包含的复杂信息为特征提取带来了巨大挑战。首先,虽然某种特征(几何特征、视觉特征和拓扑特征等)对特定范围的模型具有一定的识别能力,但是该特征并非适合一切模型；其次,各类特征之间并不是孤立、无联系的,它们共同存在、相互作用,如何既充分利用单一特征的优点,又权衡复合特征的维度问题,是一个十分棘手的难题；最后,现有的单一特征或复合特征始终无法很好地表述人类思维对三维模型的识别过程。国内外学者在此方面做了很多工作,但至今并未得到有效解决。针对以上问题,本文对基于视角的特征提取方法进行了一系列研究,提出几种行之有效的新方法,具体完成的主要研究工作如下：1、提出一种获取三维模型视角图像的新方法。利用三维Radon变换的两个角度参数θ和φ确定投影平面,并获得三维模型在这个平面上的投影,该投影即为三维模型在视角(θ,φ)下的视角图像。该方法将函数变换产生的信息作为视角图像,不仅降低了特征维度,而且提高了模型检索效率。2、给出了一种基于三维Radon变换和BOVF算法的视角特征获取方法。通过三维Radon变换获得每个模型的多视角图像之后,利用Bag-of-Features算法生成模型库的视觉词典,统计视觉词汇的出现频率作为模型特征,最后利用该特征进行模型检索。实验结果表明：(1)该特征可以准确描述三维模型；(2)该方法的检索性能优于比较算法；(3)该方法的检索性能稳定,受系统参数影响较小。3、构造了归一化三维Radon中心矩,并应用于三维模型的视觉特征提取。首先结合PCA方法构造了归一化三维Radon中心矩,该矩特征具有平移、旋转和放缩不变性；其次,利用不同视角下的归一化三维Radon中心矩获得三维模型的视觉特征,并组合得到三维模型的特征向量。该方法无需获取模型的视角图像,可以直接对特定视角下的模型进行矩变换得到视觉特征,极大地简化了现有视角特征方法的提取过程。实验结果表明,该方法提取的特征具有良好的描述能力、较短的特征提取时间和稳定的检索性能,并且矩参数对其检索性能的影响较小。4、提出一种利用特征直方图提取蛋白质结构特征的方法。首先,设计了一种正多边形获取蛋白质结构视角图像的方法,自动实现模型的选取、加载、旋转和图像捕获等功能。其次,利用SURF算法提取每幅视角图像的局部特征,并利用K-means算法生成视觉词典,建立词汇直方图。最后,综合各视角图像的直方图作为蛋白质结构的特征向量。实验结果表明：(1)蛋白质结构的特征直方图的正确预测率明显高于比较算法；(2)具有较高的查全率和查准率；(3)词典大小和样本集数量对检索性能的影响较小。