随着计算机硬件性能的提升,三维建模技术被广泛应用于工业制造、虚拟现实以及游戏娱乐等方面。在各种三维建模技术中,最常用的一种建模方式是利用图像进行全自动三维建模,但是这类方法生成的三角网格模型网格质量低、视觉效果差,需要对模型进行优化以提高网格质量、增强视觉效果。因此,如何在优化过程中提高模型的视觉效果成为了网格优化方向的一个亟须解决的问题。为了增强模型的视觉效果,提出了基于特征的三角网格优化方法,主要流程包括特征提取和网格优化两个步骤。针对特征提取方面,提出了多维度特征提取与融合方法,通过提取原始影像中的二维特征和网格模型的三维特征,融合二维特征和三维特征得到准确且丰富的融合特征并且根据融合特征将模型中的网格区分为特征网格和非特征网格。针对网格优化方面,提出了基于融合特征的网格优化算法,在现有网格优化算法的基础上引入了融合特征,通过对特征网格和非特征网格采取不同的优化策略,对特征网格进行细分以减少特征网格受到的优化力度并且在能量方程的解算过程中增加非特征网格的迭代步长,减小特征网格的迭代步长以减少特征网格顶点位置调整的距离,减少了优化算法对特征网格的平滑力度,更好地保留了模型的细节特征。实验结果显示,在特征提取方面,多维度特征提取与融合方法能够准确提取模型特征并且将模型中的网格区分为特征网格和非特征网格。多维度特征提取和融合方法在本地数据集上取得了88.6%的准确率相较于二维特征提取方法和三维特征提取方法分别提升了16.1%和14.8%。针对网格优化方面,基于融合特征的网格优化算法能够保留模型的细节特征,相较于原本的网格优化算法,在网格质量相差不大的情况下拥有更好的视觉效果。