从20世纪五六十年代至今,随着计算机性能及网络带宽的飞速发展,作为继音频、图像、视频之后的第四代数字媒体正得到越来越广泛的应用,其最主要的表现形式为三维模型。随着应用的深入,人们对三维模型的理解也不仅仅局限于数据本身,而渴望从内容上去理解。很多三维模型的算法在传统意义上达到性能上的高峰后,也急需与某些三维模型更高级的处理工具相结合。三维网格模型分割及骨架提取就是这样的两种工具。本文首先给出了一种改进的网格模型的显著特征点提取算法;然后基于显著特征点提出了一种网格分割算法,最后基于显著特征点及网格分割的结果提出了一种网格模型的骨架提取算法。提取网格模型的显著特征点时,首先求得网格模型上测地距离最远的两个顶点,作为源点,计算各个顶点到这两个源点的测地距离作为两个尺度函数,然后根据这两个尺度函数可以得到两个关键点集,最后计算这两个关键点集的广义交即得网格模型的显著特征点。基于显著特征点对网格模型进行分割时,首先根据特征点信息计算出中心区域的两个标记点,将这两个标记点汇入显著特征点集中,然后结合马尔科夫随机场及图割法对网格模型进行分割。基于网格模型分割结果及显著特征点提取网格模型骨架时,首先使用网格模型分割算法分割网格模型得到分割分支,结合主轴法及显著特征点对各个分割分支进行骨架提取,从而得到各个分割分支的骨架,但我们并没有将各个分割分支的骨架连接起来。实验表明,改进之后的显著特征点计算方法很适合我们的分割算法,我们的分割算法能得到具有视觉意义的分割效果,但遗憾的是我们分割算法有时会出现过分割的情况;基于分割结果和显著特征点的骨架提取算法提取的骨架也能比较准确地反映原始模型的拓扑结构。