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。

由CT切片数据重建得到的三角网格模型常存在数据量大、狭长三角形多等问题，针对这些问题，研究了一种保持特征的高质量三角网格模型的简化优化方法。该方法分为网格简化和网格优化两个阶段。首先，采用基于曲面变化的二次误差度量计算边折叠代价，并按代价值的大小进行迭代的折叠简化，可较好地保持模型表面的特征；其次，通过二阶加权伞算子对简化模型中局部存在的狭长三角形进行优化处理，改善三角网格模型的质量。实验结果表明，该方法能够较好地保持特征区域的细节信息，并可靠地生成高质量、低几何误差的简化模型。