现如今城市三维模型已经广泛应用于城市规划、三维导航、构建数字城市等领域。而纹理又是构成城市三维模型的重要视觉变量之一，纹理映射是构建城市三维模型过程中不可或缺的一个重要环节。目前已有的数据表明，在自动生成的城市三维模型中，纹理数据占总数据量的90％以上，而这其中有很大一部分的纹理数据其实是重复的。因此，能否对纹理进行有效压缩是实现城市三维模型快速可视化的关键之一。深度学习算法是近几年人工智能领域研究的热点，目前深度学习算法在目标识别、分类等领域已取得了非常好的效果。因此针对上述三维模型纹理数据量大这个问题，本文基于图像特征分析技术，用深度学习的方法分析城市三维模型的纹理信息，训练纹理分类器，建立纹理库，提高纹理数据的可重用性。本文的主要工作包括：(1)收集城市三维模型纹理数据集，利用纹理众包标记系统，通过手工标记的方法，建立三维模型纹理的训练数据集。将纹理数据主要分为：砖墙、水泥墙、门、窗、房顶及植物几大类，每类有至少5000个标记数据，训练数据应包含该图片中的目标的坐标位置和目标类别。(2)将训练数据集导入基于Caffe的Faster-RCNN深度学习框架，利用卷积神经网络(CNN)训练纹理数据分类模型，即纹理分类器。(3)用训练好的模型检测城市三维模型中主要的纹理类型，将相似纹理进行归纳，建立纹理库。纹理库中只包含数据集中的标记过的几个纹理类别。这样就能够以该纹理库为基础，通过组合、映射的方法来表征三维模型中的纹理，大大减少城市三维模型中纹理数据的数据量，在一定程度上简化三维模型。