随着计算机视觉和计算机图形学的发展,三维模型在各个领域的应用日益广泛,如何从海量三维模型数据库中检索出满足要求的三维模型数据成为研究的热点。手绘草图具有便于获取并可以根据用户的需求自由绘制的特点,尤其随着智能设备的普及,使得手绘草图这一优势更加突出。基于手绘草图的三维模型检索(Sketch based shape retrieval,SBSR)以其快捷高效的优势得到了更多的研究。大多数现有的SBSR方法是通过三维模型的投影与手绘草图进行特征匹配,在这些方法中存在很多局限性,增加三维模型投影图的数量可以更完整的保留三维模型的信息,但会冗余数据会影响检索精度,另一方面在图像检索领域成熟的特征(如SIFT、HOG等)直接应用于手绘草图与三维模型的跨域检索往往效果不佳。针对这些问题本文做了如下工作:1.对基于手绘的三维模型检索相关技术进行了充分调研,分析总结了该领域技术的发展情况和该领域面临的挑战,对SBSR技术的原理和方法进行了详细的介绍,并对现有方法进行总结分析。2.提出了一种基于利用信息熵衡量三维模型投影图质量的方法,实现了从诸多三维模型投影图中,选取部分代表性视图来代表三维模型,以消除冗余的投影视图对检索结果的干扰。3.根据手绘草图和三维模型投影图的特性,利用了图像处理领域常用的膨胀腐蚀、填充、边缘提取等算法,对三维模型投影图和手绘草图进行了一系列预处理,使得三维模型投影图和手绘草图在视觉上相似,为特征学习提供了良好的数据。4.利用深度学习的算法取代了传统的特征提取算法,构建了基于深度卷积神经网络特征提取框架,在该框架下,对于手绘草图和三维模型分别提取特征,进而将所得的特征进行相似度计算。本文从三维模型和手绘草图的预处理、三维模型投影图代表性视图的选取和特征提取方法三个方面对SBSR问题进行了研究,实验结果表明本文算法在几个标准数据库上的检索结果上具有更高的准确率。