网格曲面已经被广泛应用于计算机图形学和几何造型中。随着网格数量的快速增长和质量的不断提高,实际中产生了很多基于人类感知的网格应用,这预示着在处理网格的时候要将人类基于网格的感知考虑进来。仅仅通过网格的几何参数例如曲率对网格进行度量是非常局限的,不能够全部检测到我们感兴趣的特征,因此针对网格曲面提出一些新的特征度量具有非常重要的意义。本文首先回顾了网格曲面的两种特征度量即网格的Saliency度量和矩形度量。其中Saliency度量是对网格区域重要性的度量,可以将它结合到网格简化和最佳视点选择等应用中；矩形度量是对网格整体形状的一个度量,可以将它应用到基于形状的网格搜索中。然后介绍了网格曲面和网格简化的一些基本概念,并详细介绍了基于二次误差度量的边折叠网格简化算法。最后本文提出了一种新Saliency度量和球形度量,并且将新Saliency度量应用到网格简化中,提出了一种改进的边折叠网格简化算法。本文通过实验,将提出的Saliency度量和仅依靠曲率的度量进行了对比,证明我们提出新的Saliency度量的有效性。然后将改进简化算法同原简化算法进行了对比,说明改进简化算法的有效性。同时还通过实验验证了我们定义的球形度量的合理性和有效性。球形度量类似矩形度量有一些相同的特征,例如度量值都属于(0,1],且在模型缩放、旋转、移动时都具有不变性。