三维模型检索作为多媒体信息检索领域的重要组成部分,已逐渐受到人们的广泛关注。现有的三维模型检索研究主要集中在基于内容的检索方面,特别是努力提高三维模型的形状特征描述能力。但是,模型的形状特征只体现了模型的物理信息,并不能很好的表达模型的语义信息,这导致基于内容检索的效果常常不能尽如人意。针对上述问题,本文在前人工作的基础上,就三维模型的语义检索方面,特别是如何跨越三维模型的低层特征与高层语义之间的语义鸿沟问题展开研究,主要工作如下:1.使用用户在检索过程中的相关反馈记录,实现了一种基于语义关系的三维模型自动标注及语义检索方法。2.提出了将三维模型之间的语义关系融合到模型内容特征的基于流形以及基于核的特征值维数缩减方法,通过特征值维数缩减算法来搭建三维模型的底层特征与高层语义之间的桥梁。3.实现了一种三维模型语义与特征的联合聚类方法,使得三维模型的特征聚类结果包含更多的语义信息。4.构建了一个描述三维模型语义关系的本体,并将该本体应用到三维模型的语义检索中,这种基于本体的检索方法在一定意义上有效地解决了语义鸿沟的问题。5.提出了一种适用于三维模型检索的半监督加权距离度量学习方法。算法改进了传统的相关成分分析距离度量方法对少量已知分类数据分类不稳定的缺陷,使得用户在标注极少量模型的情况下有效地提高检索效率。