网格建模是数字几何处理领域的基础性硏究冋题。为了提高网格建模的简便性和鲁棒性，首先提岀了一种非线性的引导滤波算法。滤波过程在法向域进行，滤波后的法向是引导网格

针对目前3D网格模型信息隐藏算法抗分析性弱的问题，提岀一种零高分辨率的信息隐藏算法。首先，利用改进半边折叠网格简化算法对网格模型进行多分辨率分析

利用卷积神经网络（CNN）进行医学图像分割时，通常将分割问题抽象为特征表示和参数优化问题，但在上采样和下采样过程中容易丢失特征信息，导致分割效果不理想。设计包含三级特征表示层和特征聚合模块的深度特征

多重网格是数值计算领域中一种加速迭代收敛的重要技术，被广泛应用。近年来，大规模并行计算系统向多核化、异构众核化发展，多重网格应用也亟须适应新的并行计算平台。文中采用一种数据驱动的任务并行语言

三维形状的显著性在形状分析与处理中有不可忽视的作用。现有的三角网格显著性检测方法大多依赖某种人工设计的几何特征，缺乏灵活性。为此，提出一种基于特征融合学习的显著区域检测方法，以适应不同类别的形状