在增材制造、逆向工程等领域, 广泛存在包含大量甚至海量数据的三角网格模型。为便于存储并提高处理效率, 经常需要进行网格模型简化。但在网格简化过程中存在特征保持、简化率和简化效率冲突的问题, 为更好地平衡简化结果和简化效率, 提出了特征保持的混合折叠算法。在基于曲度精确计算新顶点、最大距离高效计算折叠代价的基础上, 对边界特征区域和非边界特征区域采用边折叠方式进行保特征简化, 对非特征区域则采用三角形折叠方法进行高效简化, 最后通过偏差和网格正则度对简化结果作出误差评价。算法实例表明: 混合折叠算法的模型细节特征保持较好, 简化前后变形较小且效率适中。

为保证在去除点云数据噪声的同时不损失模型的细节特征，提出了一种基于特征信息的加权模糊C均值聚类去噪算法。首先,构建点云K-D树拓扑结构，根据点的r半径球邻域点统计特性去除大尺度离群噪声点。然后，利用主元分析法估算点云的曲率和法向量，根据曲率特征标识点云数据的特征区域， 并采用特征加权模糊C均值聚类算法对特征区域去噪，采用加权模糊C均值聚类算法对非特征区域去噪。最后，使用双边滤波器对点云模型进行平滑。对提出的算法进行了验证实验，结果显示：去噪后点云模型的最大偏差保持在模型尺寸的0.15%以内；标准偏差保持在模型尺寸的0.03%以内。本文算法能够在有效去除不同尺度和强度的噪声的同时不损失点云模型的细节特征，去噪精度高，且对不同的噪声模型具有较强的鲁棒性。

为了有效滤除医学脊椎模型的噪声点, 同时更好地保持模型细节,提出了一种基于双边滤波算子的医学脊椎去噪模型.采用双边滤波在多尺度条件下进行脊椎三维模型轮廓线的提取, 设计改进自适应扩散系数, 以更好的优化控制整个扩散过程.根据图像的离散特征, 建立相应的离散迭代方程, 使迭代过程离散化, 并设计迭代停止准则, 当去噪平滑后的图像模型与噪声相关性最小时停止迭代.与经典的向异性扩散模型方法实验结果相比, 本方法在解决去噪方面达到了很好的滤波效果, 同时也较好地保持了医学图像的边缘细节特征, 大大优于传统滤波算法.

针对现有算法对尖锐特征曲面点云法矢估计不准确，点云处理时容易丢失曲面细节特征等问题，提出一 种尖锐特征曲面散乱点云法向估计法。该方法用主成分分析法粗估计点云法向; 然后，根据各邻域点的空间欧氏距离和法向距离对各邻域法向加权，用加权邻域法向之和来更新当前点的法向; 最后，测试估计法向与标准法向的误差，评价估计法矢的准确性，并且将估计的法向应用到点云数据处理中来比较特征保留效果。实验结果表明: 本文方法能够准确地估计尖锐特征曲面的法向，最小误差接近0。另外， 该方法对噪声有较好的鲁棒性，点云处理时能保留曲面的尖锐特征。相比于其他特征曲面法向估计法，所提出的方法估计的法向误差更小、速度更快、耗时更少。

为了提高基于工业CT图像重构的三角网格质量，提出了顶点调整和特征因子相结合的网格规范化算法。引入模型特征因子和局部网格质量提高程度作为网格调整的控制条件，保留原始模型的局部细节特征; 采用法矢量阈值按规律递增的方式自适应控制网格调整，实现不同曲率特征的自动识别。实验结果表明，与现有方法相比，该方法能更好地规范模型的三角网格，同时保留了原始模型的细节特征。

针对用工业CT切片图像直接重构得到的网格模型质量不高的问题，提出一种不受拓扑结构限制的隐式曲面重构全局优化方法。该方法将三维表面模型用隐式函数来表示，通过模型提供的点云信息计算出隐式函数，提取等值面，实现曲面重构。针对隐式曲面重构数据处理量大的问题，引入FFTW快速傅里叶变换来提高效率。实验结果表明，该方法能够同时实现三角网格模型的去噪、网格平滑、简化以及孔洞修补，与保特征的均匀化网格平滑算法相比，去噪效果更好，效率更高。

对基于工业CT图像重构的网格模型进行网格简化时,大多数现有网格模型简化算法会丢失特征，出现网格质量不好的问题。因此提出一种网格模型保特征简化方法，该方法用三角形折叠法对原始模型进行简化，当简化后模型的平均二面角角度误差达到允许误差后，再使用边折叠法对模型进行简化。在三角形折叠法中提出了利用被折叠三角形的法向量、各个顶点的高斯曲率及其在周边三角形上的投影确定该三角形的折叠点，利用局部体积误差与二面角角度误差的无因次化和确定折叠代价的方法;在边折叠法中提出了将二面角角度误差引入到二次误差测度(QEM)法的折叠代价中的改进QEM法。实验结果表明：与其他算法相比，该方法能够生成保特征、高质量、低几何误差的网格模型。

针对现有滤波方法无法克服CCD光斑信号的噪声去除和特征保持之间的矛盾，由图像噪声引起的随机误差成为影响光斑定位精度主要因素的问题，提出了用属性距离加权平均(ADWA)方法对光斑图像进行滤波处理的方案。根据含噪信号的属性分离信号和噪声，通过增加属性的方式来进一步缓解噪声去除与信号特征保持之间的矛盾。实验结果表明，在基于位置、幅值的二元属性距离加权平均(2-ADWA/LV)的基础上，引入“梯度”属性构成3-ADWA/LVG后对光斑信号进行滤波处理，能将光斑定位精度提高20%以上，使定位结果标准差减小到0.024 pixel。实验表明，用ADWA对光斑信号滤波，可通过挖掘和引入新的属性来进一步去除光斑信号噪声同时增强信号特征保持效果，从而为提高光斑的亚像素定位精度提供一条有效途径。