随着三维扫描、三维重建技术的发展,三维模型已经广泛应用于建筑、医疗、教育、影视娱乐等各行各业,尤其随着互联网及三维扫描技术的发展,三维模型的数据量与复杂度更是显著提高,如何在现有的三维模型中快速的找到所需模型是加快产品研发进程的关键。本文以三角网格模型为研究对象,从特征提取、特征编码、相似性分析三方面入手,对三维模型形状分析问题展开研究,旨在提高三维模型的检索与分类的效率。三维模型相似性分析的核心问题在于“特征提取”,良好的特征描述符是三维模型分析的关键,然而由于三维模型的复杂多样性,在特征提取过程中时间比较长,为此基于模型优化的分析方法符合当前的研究思路。同时每一种特征描述符都有自己的适用模型,目前没有一种描述符能适用于所有模型,为此基于特征融合的三维模型形状分析方法应运而生。本文主要针对三维模型展开研究,在综合分析了国内外的研究基础之上,提出了基于稀疏优化表示的三维模型分析方法。主要工作如下:（1）介绍了国内外三维模型形状分析及相似性分析方法的研究现状。（2）针对单一复杂模型的高效形状分析需求,提出了一种基于最优最小生成树的三维模型形状优化方法。首先基于三维模型的初始最小生成树（3D-MST）构造模型的拓扑结构描述;其次通过拓扑结构与几何形状检测并结合双边滤波与熵权值分布进行局部优化,获得模型的优化MST表示;最终提取优化MST的Laplacian谱特征,结合薄板样条函数（TPS）,实现模型的形状分析与相似性检测。实验结果表明,所提方法不仅有效地保留了模型的形状特征,而且可高效地实现复杂模型的稀疏优化表示,能进一步提高几何处理与形状检索的高效性及鲁棒性。（3）针对互联网上的海量模型大多存在利用单一特征识别精度低的问题,提出一种自适应稀疏编码融合的三维模型分类算法。首先提取模型的平均测地线特征（AGD）,热核特征（HKS）,形状直径函数特征（SDF）构造互补的多特征形状描述。其次利用特征袋模型（BoF）构造AGD-BoF、HKS-BoF、SDF-BoF特征向量,通过样本训练构建特征权值矩阵。最后利用特征权值矩阵与优化的稀疏编码自适应融合,并采用Softmax分类算法实现模型的有效分类。通过在SHREC10与SHREC11的数据库上的综合实验表明,本文自适应稀疏优化编码融合的三维模型分类算法具有更高的识别准确率及较强的鲁棒性。