三维网格分割(简称网格分割)的目标是采用计算机自动地将三维网格模型分割成为若干有意义的部件。但“有意义”本身并非良定义、可量化的概念，这是实现三维网格自动分割的困难所在。解决该困难的一种有效途径是求助于视觉理论的研究成果，事实上，近十多年来网格分割的快速发展正是得益于此。但是，迄今为止在网格分割领域却鲜有文献对相关的视觉理论基础进行全面的总结。本文的第一项工作便是总结三维网格分割中相关且重要的视觉理论研究成果，期望这一工作能够给网格分割相关的研究者提供参考并带来新的研究思路。　　 近十多年来，三维网格分割的研究得到了快速的发展，出现了数量繁多的算法。尽管这些算法所采用的算法结构有所不同，所采用的数学分析工具也不尽相同，但是这些算法总体上遵循两种设计思路。其一是通过寻找部件边界，再由边界反推出部件的完整描述，从而实现网格分割；其二是分析网格模型上各元素或区域的相似性(或不相似性)，然后引入聚类分析的思想将区域合并(或分裂)，最终得到每个部件的完整描述。无论何种设计思路，底层的形状几何特征均是网格分割的基础。对前者而言，算法需要能够反映作为部件边界可能性的几何特征，对于后者而言，算法则需要能够反映元素之间(或是由元素合并起来的区域之间)相似性或者不相似性的几何特征。总而言之，具有分割特性的几何特征是实现网格自动分割的关键所在，因而，对三维网格底层几何特征的分割特性进行研究无论在理论意义上还是实践意义上均具有重要的研究价值。当前的文献对各种三维网格特征的分割特性研究大都停留于定性的比较，而缺乏实验性的定量对比分析，针对这一现状，本文的第二项工作对当前常用的多种三维网格特征进行了深入的实验分析，得到了若干有用的研究结论。　　 在三维网格分割中，特征点检测技术具有重要的应用价值，至少表现在两个方面：1)特征点可以用于确定部件的个数，避免要求用户去设置这一参数；2)特征点可以用于引导网格分割过程的进行。本文的第三项工作是受视觉理论基础中的部件显著性理论的启发，提出了一种称为局部高度的新视觉重要性度量指标，并在此基础上引入Mean Shift聚类算法来从局部高度值的分布中检测出特征点。该方法具有如下的三个优点：1)具有较好的姿态无关性；2)更强的鲁棒性；3)描述视觉重要性的能力。　　 在交互式的网格分割中，在得到用户标注的少量边界点后，往往需要根据这些标注的边界点推断出其它各点作为边界点的可能性，然后再引入某些网格分割算法依据该边界可能性将网格模型分割为若干部件。现有的文献在计算各点的边界可能性时，大多侧重于该点与标注边界点的测地距离以及数值结果的平滑性，而忽略了各点本身的分割特性。本文第四项工作基于格式塔定律中的接近律、Minima法则等视觉理论成果及三维网格特征的分割特性研究结论，在能量传播模型基础上来提出了一种新的边界可能性计算方法。实验表明，该方法能够有效地从少量标注的边界点中寻找到更多的真实边界点。