由于电影电视制作、游戏娱乐、虚拟环境、辅助医疗等各方面应用的需要,三维数字模型几何的获取与处理显得愈加重要。而近年来,三维扫描仪和深度相机的流行大大简化了三维几何建模过程,使得人们可以很容易地得到各种真实世界物体的三维形状数据。但是在三维数据获取的过程中,和艺术家手动生成模型不同,由于不可避免地存在着设备测量的误差以及人为的各类干扰因素,扫描采集到的模型往往包含各种噪声,和实际物体存在着一定的偏差。噪声的存在大大降低了网格模型的数据质量和视觉效果,对后续的应用也产生巨大影响,因而对网格模型进行去噪是一个极为重要和有意义的工作。在几何处理中,去除扫描模型中的噪声一直是一个经典热门的问题。网格去噪的目的是从受到噪声影响的网格数据中恢复得到一个高质量的理想模型,在去除噪声重建网格曲面的同时,保持网格模型表面的原有拓扑特征和几何特征,并且保证网格模型不会收缩和出现不合理的人工处理现象等。近几十年来,网格去噪问题上已经积累了大量的研究工作。虽然网格去噪已经有了极大的进展,但目前仍然还存在着一些方面的问题。一,由于网格尖锐特征和噪声信息都是高频信号,目前依然没有一个很好的策略来将二者进行有效的区分。二,现有的不少算法的去噪效果大大依赖于算法中某些参数的合理选取程度,这使得算法不够智能,需要大量的人工调参工作。三,网格去噪过程中遇到的网格和噪声的类型是多种多样的,大多数方法对网格和噪声的类型都有着一定的预先假设,因而不具有很好的普适性,较难迁移到其他类型的网格和噪声的去噪问题上。为了解决网格模型去噪问题的难点,弥补现有方法的一些缺陷,本文提出了一种基于特征局部拟合的算法。本文的算法共分为两个步骤,首先通过建立的局部回归函数对网格面片的法向量进行处理,得到校准后的面法向量,其次在依据调整后的面法向量来恢复重建网格的顶点。同时迭代进行这两个步骤,直到得到一个理想的网格去噪结果。本文的核心思想是通过分析现有的大量带噪声模型和原始模型,来找到带噪声模型和原始模型间的关系。本文首先采用了一种网格上的局部几何特征描述子FND(filtered facet normal descriptor),用于表示网格的局部几何特征和噪声信息。从而,只需考虑分析带噪声网格的局部几何特征FND与对应的原始网格的面法向间的关系,利用此关系来指导得到待去噪网格的校准后面法向量。在预处理阶段,有了定义在网格面片上的局部几何特征FND后,本文对已有的大量带噪声网格和原始真实模型进行处理,得到带噪声网格上的局部几何特征FND和原始真实模型的面法向一一对应的集合。在去噪阶段,对于输入的带噪声网格,本文首先计算其局部几何特征;其次,利用此几何特征在预先建立的数据库中做特征匹配,拟合得到校准后的网格面法向量;最后,依据校准后的面法向量信息来更新网格顶点坐标,得到去噪后模型。实验表明,对于人为加噪声模型和扫描模型,本文方法都能够在去除网格噪声的同时,很好地保持网格的尖锐特征。并且,本文的方法在去噪过程全自动完成,易于操作,可以很容易得到去噪结果,本文的方法对网格和噪声类型没有约束,算法上可以很容易地推广到各类数据模型。