近年来，随着扫描重建和建模技术的发展，三维模型的复杂度迅速提升，在表示物体上具备越来越多的细节。人们需要高效的压缩算法来处理这些高精度的三维模型，以满足图形应用程序紧凑存储和快速传输的需求。　　三维模型的压缩算法可分为单分辨率压缩和渐进式压缩。单分辨率压缩算法一般具有很高的压缩率，但在解压阶段，必须拿到所有的数据后才能重建出模型。渐进式压缩更受关注，因为算法不仅能够获得较高的压缩率，还能生成不同层次细节的模型。　　典型三维模型由几何信息，连接信息和属性信息三部分组成。在这些组成部分中，现有的渐进式压缩算法很少考虑属性信息，而属性信息往往具有更高的视觉重要性和占用较多的存储空间。因此在本文中，我们针对于带纹理和材质属性的三角网格模型提出了两种考虑属性信息的渐进式压缩算法。　　本文的第一种算法是一种基于FOLProM算法之上的几何驱动渐进式压缩算法。算法能够产生不同层次细节的带外观属性的中间模型，实现了三维模型中几何信息、连接信息以及属性信息的渐进式压缩。实验表明，这种算法不仅能够获得和FOLProM算法相当的几何和连接压缩性能，而且能够有效的压缩属性数据。　　三维建筑物模型在虚拟现实系统中具有重要的作用。由于第一种算法不能很好的处理这类模型，本文提出另外一种基于连接驱动的渐进式压缩算法。该算法在渐进网格的基础上，使用考虑外观属性的二次误差度量方法来简化模型，并使用了预测方法来压缩几何和属性信息。实验表明算法能够生成质量更高的中间模型，并且在属性压缩上也获得的良好的性能。