随着各种信息形式的发展,三维模型应用于各个领域之中,越来越多的三维模型被创建出来,数量和种类都在飞速增长。重新制作符合要求的三维模型是复杂且耗时的,如何从大量的三维模型中快速找出最大程度满足需求的模型是现今的研究重点。各种三维模型检索技术的出现和发展,对提高三维模型的共享率和复用率有十分深远的意义。针对单一特征不能完整的描述模型信息、特征点匹配精度不够高以及特征融合方式不通用等问题,本文基于多特征融合机制,改进了特征点的匹配方法RANSAC算法,采用自适应特征融合方式,形成新的特征描述,对三维模型进行高效检索。从多方面对三维模型检索方法进行研究,提出多特征三维模型检索技术。主要工作由以下两部分组成:(1)提出基于形状上下文的多特征三维模型检索方法。提取模型各个方向的二维视图,结合描述局部信息的ORB特征和描述全局边缘信息的形状上下文特征,检测ORB特征点,利用改进的RANSAC算法匹配模型间的特征点对,并对特征点对相似度排序,有效消除第一特征点对与第二特征点对距离比过大的特征点对,再进行对称性映射验证,有效提高特征点匹配精度。同时对图像进行各向异性扩散滤波,有效过滤噪音的影响,Canny算子提取边缘特征,利用形状上下文特征进一步统计边缘信息。最后通过特征加权求和,形成新的特征描述。对比实验结果表明,本方法可以有效提高检索精度。(2)提出多特征自适应融合三维模型检索方法。提取模型各个方向的二维视图,在提取ORB特征和形状上下文特征的基础上,同时提取模型基于能量模型的形状直方图,分析能量集中的频段,统计得到形状直方图。弥补ORB特征检测到的局部特征点不够充分的问题,并与形状上下文描述子相融合,使模型的形状特征得到更加全面的描述。结合ORB特征、能量形状直方图以及形状上下文特征,通过自适应权值的方式进行特征融合。选择基准特征,计算各个特征的覆盖率,得出融合权值。实验在SHREC2012GTB和PSB两个模型库上进行对比,进一步提高了三维模型检索的准确度。