非刚体三维模型普遍存在于现实世界中，如微观的细胞结构、人体的组织器官等。对非刚体模型的分析是一个热门的研究内容，三维模型匹配又是非刚体模型分析的主要组成部分。例如当要对模型进行相似性比较，形状检测与识别时，都需要研究模型之间的匹配关系。因而本文对三维模型匹配进行了研究。三维模型匹配存在很多好的研究方法，主要的研究方法分为全局匹配方法，以及描述算子匹配方法。全局匹配方法主要是采用新的描述空间对模型重新表示，在新的模型空间中保留有效的形状信息，并在新的近似空间中寻找模型之间的对应关系。这类方法存在的问题是引入新的近似误差，且这类误差往往对匹配结果产生较大的影响。基于描述算子的方法主要是对模型上的每个点进行标注。不同的算子，使得模型上每个点携带的信息不同，进而可以将不同的点区分开，以达到匹配的目的。这一类匹配算法，存在的问题是不易收敛，且对算子的区分性要求高。当模型上的点之间不具备区分性，或者局部几何结构相似的时候，这一类算法会产生误差，甚至匹配失败。通过对空间表示以及描述算子的分析，本文对空间表示进行了改进，并采用了新的度量方式进行了三维模型匹配。首先本文提出了新的针对于三维模型匹配的抽样算法，该方法不仅考虑了特征点的空间分布均匀性，也考虑到了特征点提取的显著性，即针对不同模型取样时的一致性。最后与已有的特征点提取算法进行了比较，验证了本文提出用于三维模型匹配的特征点集合的合理性。其次，匹配过程中，在初始阶段采用基于频域的空间表示，并在该空间中计算出点之间的匹配花费关系矩阵，获得初始匹配结果。然后在欧式空间中，直接采用基于扩散距离的度量方式进行优化求解，有效降低了拓扑噪声的干扰。同时本文采用了基于贪心的方法，对获得的初始匹配结果进行迭代优化。通过采用公共数据集和已有方法的对比，最终的实验结果也验证了本文方法的效率和准确率的提升。