随着因特网上三维模型数据库的增加，三维模型检索技术已经成为研究的一个热点。当前比较成熟的三维模型检索系统有两类：基于文本检索和基于内容检索。前者需要研究人员为每个三维模型添加大量文本描述，这对大规模三维数据库来说是一个非常耗时和耗力的工作，同时它对复杂模型的描述又有着很强的局限性。后者能仅根据三维模型自身的特征提取它的形状描述器，它比基于文本检索有着更好的实际应用。在基于内容检索算法中，基于概率密度检索和基于轮廓线检索在多个数据库上都有着较高的检索准确率。前者运用高斯核函数来拟合模型特征的概率密度分布，通过多种形状特征分布的相似度来判断模型间的相似度。后者运用傅里叶变换求出模型投影轮廓线特征在频域中的分布，将变换系数组合在一起形成模型的形状描述器。然而当模型的质量较差时，基于概率密度检索无法准确求出它所定义的二阶特征，这在一定程度上降低了检索的准确率。基于轮廓线检索需要模型投影轮廓线上点的数目固定，这使得它对模型的投影轮廓线描述不全面。本文在这两种算法的启发下提出了一种新的三维模型检索算法—基于概率密度和轮廓线检索。它运用高斯核函数拟合模型投影轮廓线的多种特征分布，并结合快速高斯变换和目标点来提取模型形状描述器。该检索算法比基于概率检索对模型的质量变化有着更强的抗干扰性，同时比基于轮廓线检索对投影轮廓线的描述更全面。此外基于概率密度和轮廓线检索还拥有形状匹配不变性，它的高斯核密度估计对轮廓线潜在的特征分布没有提出任何要求，同时快速高斯变换能将算法的复杂度降低一到二阶。在多个三维模型数据库上的检索实验显示这种新的检索算法在多种不同类型的数据库上都有着较高的检索准确率。