随着计算机和网络技术的飞速发展，信息资源急剧增长，三维几何模型数据成为继声音、图像和视频之后的新一代多媒体数据模型，而三角网格表示是主流的三维模型表示方法之一。高精度几何模型的三维数据在网络上传输时对网络带宽提出了很高的要求，而几何图像的方法忽略了原始数据的点连接信息，把不规则的三维几何数据转化为规则的二维图像数据，从而借助成熟的图像编码方法对几何数据进行处理。然而，把三维模型数据按几何图像进行存储、处理过程中，非常重要的一点是如何做到几何图像对原始几何数据的最优逼近，尤其对于低分辨率采样的模型，由于采用规则采样，一些特征点不能很好的保持。本论文在系统总结和深入研究当前国内外几何图像研究方法的基础上，对几何图像的研究现状进行了深入的分析，结合三维模型的细分算法，致力于研究提高几何图像生成过程中重构模型质量的方法。通过在几何图像生成过程中增加对初始网格模型的调整环节，以生成与原始几何模型更加逼近的重构模型。本论文主要研究内容主要分为两方面：(1)基于细分的重采样策略。在拉伸变形较大的一些区域，均匀的重采样方式并没有对这部分区域进行特殊处理，导致重构模型质量不够理想。如果能将这部分区域进行细分处理，插入更多的顶点，这样产生的新参数域网格经过均匀采样，得到一种新的重采样结果。此操作相当于对局部进行了非均匀的采样，提高了该区域的信息采样精度。因此论文结合不同细分算法的特点，引入了插值细分算法策略，对模型进行局部细分处理，得到一种自适应的重采样。实验结果表明，本文中的方法可以有效提高模型重构主观质量，PSNR值也有不同程度的提高。(2)自适应的几何图像生成方法。几何图像是一类规格化的三维几何模型表示方法，传统几何图像生成方法的网格参数化过程，会对三维模型的部分区域产生较大程度的拉伸，由此进行规则重采样导致一些信息无法很好地保持，从而导致采样信息不够精细准确，致使重构模型产生误差。本文从ICP算法、平均曲率、区域拉伸三个方面出发，确定影响重构模型质量较大的一些点，选择这些点的1-邻域作为特征区域进行局部自适应细分处理，得到的三维网格作为输入模型，加入到几何图像流程中，以获得质量较高的重构模型。