三维形状特征分析是数字几何处理领域的基本问题，同时也是近年来的研究热点。三维耳廓的形状特征已经作为一个新的生物信息识别技术得到高度关注。随着激光扫描技术和数字几何处理理论的成熟，如何基于三维点云数据进行有效准确地描述三维形状特征便成为了耳廓识别以及三维形状检索领域的重要研究课题。本文围绕耳廓识别和模型检索，研究了基于三维点云的耳廓匹配技术以及三维空间无序点云的特征提取方法，主要的工作如下：1.提出了一种基于局部显著性以及二次主曲面的三维耳廓识别技术。首先基于平均曲率的高斯加权平均，给出了一种新的耳廓点云上显著性特征值计算方法，并对耳廓点云上全部显著性特征值降序排列；然后提出了基于泊松盘排斥策略，对显著性关键点进行优化选择；最后基于二次主曲面流形方法对关键点邻域内的点云进行拟合，建立关键点上的局部形状特征描述。本文给出的耳廓点云形状匹配实验证明，与其他相关方法相比，本文提出的新方法具有较高的形状特征逼近精度，并且具有较高的耳廓形状匹配准确率。2.提出了一种新的基于球形同胚二次主曲面的点云形状特征的描述方法，将三维空间点云的形状描述问题转换为球形参数域上均匀且有序的二维主流形的形状描述问题。并对二次主流形进行基于极轴的粗对齐以及基于ICNP (Iterative Closest Normal Point)的精确对齐，完成两个点云模型的相似度衡量。实验结果证明，本文提出的三维点云模型形状描述方法对三维点云的分辨率和噪音等干扰因素具有较高的健壮性，可以用于三维检索的形状描述。