三维点云模型是以离散采样点为基元的几何模型,是三维模型的一种表示方式。三维点云模型数据结构简单、存储空间紧凑,而且由于不需要存储和处理复杂的拓扑信息,非常适于表示高精度紧密的三维表面。随着三维激光扫描设备的快速发展,近年来,点元作为三维表面的表示形式开始流行。同时由于三维激光扫描技术的发展,千万级数点元数据的模型也能轻易获得。而目前的电脑设备渲染处理这些大模型也并不轻松。因此,简化研究得到了许多学者的关注。在本论文中,我们针对三维点云模型的简化进行研究并提出了一个基于自底向上点集收缩的方法、一个基于自顶向下点集分裂的方法以及改进了一个基于混合聚类算法的模型简化方法。不同于以往的只侧重几何的算法,我们提出的和改进的算法同时将几何信息跟纹理信息考虑在一起,进行自适应的简化从而在简化后的模型中能够保留更多的几何或纹理特征。另外,我们引入二维数字图像处理中的锐化方法来达到在简化过程中尽可能保持更多纹理特征的目的。这个方法将高斯-拉普拉斯算子同与人类视觉系统中对比敏感度函数相似的空间滤波结合起来,对视觉条件敏感,并且由于高斯函数的平滑效果,这种方法不会增加噪声。进一步,我们设计了一种基于离散拉格朗日优化方法的内核外模型简化方法,以处理在内存里一次容纳不下的超大模型；同时,在给定的简化率情况下,简化后的模型质量得到优化。