随着近年来计算机图像处理技术与可视化技术的发展,对文物碎片进行数字化保护与复原,可以提升文物碎片修复的工作效率,推动计算机与考古学的学科融合发展。文物碎片数量庞大,同时还存在碎片原始面几何纹理结构复杂,断裂面信息不完整等特点,若在文物复原前不预先进行碎片部位分类,则会导致文物复原过程中邻接碎片搜索与匹配的复杂度提高,从而降低文物复原流程的整体效率。本文以秦始皇陵兵马俑碎片的三维模型作为研究对象,针对碎片分类的相关技术展开研究,具体研究内容如下:1.针对单一特征描述子的局限性,提出一种局部邻域信息与显著性多特征描述子。基于模型表面多尺度体积积分不变量定义凹凸度,对计算结果进行K-means聚类得到模型的显著特征点簇同时定义表面的显著连通点集,选取点集质心点作为特征点。在标定的特征点处建立局部参考坐标系,通过旋转投影生成二维图像并编码完成特征描述。该描述子可以同时描述碎片模型的局部邻域特征与表面显著特征,具有尺度不变性,在描述大小形状不规则、模型表面与空间结构复杂的文物碎片时具有较强的鲁棒性。2.基于三维模型分割算法,建立了兵马俑碎片特征模板库。提出一种基于体积积分不变量计算高斯曲率并建立多重约束的粗匹配方法,之后通过局部邻域信息与显著性多特征描述子的点对特征距离进行精细模板库匹配来完成相似度度量并判断碎片分类。实验结果表明,该算法在兵马俑碎片分类上具有较高的分类准确率,适用于已建立模板库、待分类碎片数量较少无法用于深度学习且待分类碎片结构相对完整的分类情况。3.针对文物碎片缺损导致点云模型几何特征丢失,采用传统方法易失效的问题,提出一种基于二维图像与三维点云相结合的分支多特征分类深度网络,首次用于兵马俑碎片分类。首先对数据进行均匀化选点与多视角二维图像投影的预处理,然后对MVCNN与Point Net网络结构进行改进,通过构建多分支网络结构完成图像信息与点云信息的特征融合,一方面通过二维图像特征弥补点云特征的不足,另一方面通过点云特征弥补二维图像多视角投影过程中的特征损失,形成特征互补。实验结果表明该算法在兵马俑数据集上的分类准确率可以达到85.11%,适用于待分类碎片数量较多且待分类碎片结构相对不完整的分类情况。