近年来,计算机视觉、三维图形软硬件等技术的快速发展,使得三维模型在CAD产品设计、虚拟现实、3D打印和产品展示等方面得到越来越广泛的应用。同时,互联网上出现了海量共享的三维模型,且日益增多。而现有的搜索引擎无法提供高效的模型检索服务。因此,如何快速、准确地查找用户所需的三维模型,实现资源的重用,已经成为当前亟需解决的科学问题,具有重要的理论和现实意义。本文针对已有研究中的视图冗余性问题,设计了一种基于改进K-means算法的多视图聚类方法。首先,将用OpenGL解析的三维模型放置C60网格结构当中,并以顶点作为相机视点,对三维模型进行正交渲染视图的获取;然后,提取视图的十二阶几何不变矩,并以此作为训练样本,通过聚类得到最能代表三维模型特征的若干张视图。该方法提高了每张视图的描述能力,并极大地降低了算法的复杂度。为解决二维接口中基于手绘草图的输入方式受主观因素影响大,且对绘画能力要求高的问题,本文提出一种基于真实二维图像进行三维模型检索的方法。首先,对复杂背景的图像进行图像分割、轮廓跟踪等预处理算法设计,得到有效的目标图像数据。然后,通过Zernike矩、离散傅里叶变换和曲率尺度空间角点三种特征描述子对图像进行不变性分析和特征提取。并引入了D-S证据理论对上述特征进行融合,进一步提高检索性能。根据人类对三维物体的认知具有“视点依赖性”的特点,本文将同一尺度下最长外轮廓对应的视图作为最优视图,进行单一视图特征匹配。实验结果表明,提取的视图能够很好地逼近用户对视点的选择结果。综合以上研究,本文设计并实现了基于二维图像的三维模型检索可视化原型系统,为后续的研究提供了平台基础。