当前，在很多领域里（如医学图像 、地理信息系统、科学可视化、计算机辅助设计和虚拟现实等）出现了海量的数据，这些数据所表示的三维对象通常由含数十万个甚至数百万个三角形的表面模型来逼近，对这样庞大的含有过量细节的网格数据进行处理和复杂的仿真计算，在当前硬件下难以达到实时的需求。为了得到高质量的实时逼近，一个有效的普适的动态多分辨率建模方法是十分必要的。目前，动态多分辨率网格生成技术的热点是基于边塌陷和顶点分裂的多分辨率建模技术，但是其仍存在许多问题和困难值得探讨。本文主要从保证简化质量的前提下提高简化速度、减少内存占用量以及在对简化后网格做编辑变形之后细化返回到原始分辨率等方面做了一些研究。归纳起来，本文的主要工作如下： 1) 对网格的快速、高质量简化问题，我们在边塌陷操作和二次误差度量（QEM）的网格)简化算法基础上，将替代选择堆引入到简化算法中以替代经典的贪婪队列，来进行边塌陷操作的排序，使得塌陷代价的排序在一个最小堆下进行，速度得到显著提高，同时使得顶点二次型 可不集中在一起计算，即减少了运行时间，又减少了内存使用量。随后，为定量评价网格简化的质量，我们提出了基于Hausdorff距离的简化误差评估算法，对网格简化的误差大小进行了客观评价。与经典的基于贪婪队列的简化算法相比较，使用替代选择堆的网格简化算法所引入的误差略高一点，但是相差不大。 2) 为在有限元变形或网格编辑后将网格返回到原始分辨率，我们提出了一种新的网格细化算法，它基于变形前后塌陷边相对顶点环质心的位置近似不变性，利用边塌陷操作的逆操作—顶点分裂和网格简化时边塌陷操作记录的细节信息，我们可以将网格返回到原始分辨率，从而得到一个基于顶点分裂的可因应网格编辑和有限元变形的网格细化方案。 本文的主要创新点体现在： 1) 提出了使用替代选择堆来取代贪婪排序的网格简化方法，显著的提高了简化速度，同时使得内存占用量大大减少。 2)提出了基于Hausdorff距离的简化误差评估算法的一种简单实现方法，利用该方法，可以对网格简化质量进行客观的评价。 3)提出了一种新的网格细化算法，它基于变形前后塌陷边相对顶点环质心的位置近似不变性，可满足编辑和有限元变形后网格返回到原始分辨率的需要。