在进行地球物理科学研究、地质勘探以及医疗卫生、遥测遥感等工作的过程中，经常会涉及到对三维物体的识别、建模和表面重构等问题。比如，在地质解释工作中，针对地表下物体、地层结构的识别、追踪以及建模都是十分重要的；再比如，在医疗卫生工作中，针对人体内部组织与器官的三维建模和表面重构同样是极为重要的过程。目前，解决这类问题的主要方法是，把原始数据看成体数据，利用体绘制或者等值面追踪等方法对三维体数据进行建模。本文提出了一种新的针对体数据的表面建模方案，该方案把三维物体的原始采样点数据看作是离散的点云数据，把三维物体的表面建模问题转化成为计算机图形学中的点云曲面构建问题，利用计算机图形学的理论和方法对该问题进行了分析和研究。本文以三维地震数据为例，对该方法进行了仿真，成功地对地震数据中所包含的一部分异常体进行了表面建模。本文主要完成了以下的工作。把异常体采样点数据抽象成为点云数据，针对点云数据的特点，提出了一种新的异常体表面建模和重构的方案。该方案由以下两步组成：首先对点云体数据进行密度分析以及数据预处理，通过定义局部密度的概念，以某种粒度对原始数据所在的三维空间进行逐区域扫描，去掉了原始数据中分布比较离散的采样点以及部分噪声点；在此基础上，提出了一种空间网格划分的办法，利用网格之间的相互关系，大致的判断出哪些采样点位于异常体的体表区域，从而求取出了点密度在某阈值范围内的异常体外壳数据。然后，本文分析了国内外关于散乱点云数据曲面重建的几类算法，比较了它们的优点和不足。通过分析上一步获得的外壳数据的特点，发现隐式曲面理论中的水平集理论和能量函数理论比较适合于该问题的求解。本文选取了Min Wan, YuWang, Egil Bae, Xue-Cheng Tai等人提出的基于图形分割的曲面重构方法[1]作为主要研究对象，结合点云数据本身的特点以及异常体建模的要求，对该算法做了改进。首先，我们改进了该算法中构造点云数据外壳的方法，把算法中的四面体外壳换成了立方体外壳。这个修改使得该算法更加适合于噪声以及杂点较多的异常体外壳数据，与此同时也能够使得算法中的曲面内外判定这一步更加的容易；第二，我们修改了该算法中的插值方式，新的插值方式更加适合于砂体采样数据的成图；第三，在利用最大流最小割算法对于能量函数进行求解的过程中，我们把离表面较远的无效背景点抛弃，因为该区域四面体对应的链路节点对于问题的求解影响不大，去掉了对于这部分四面体的连接和构图之后，算法的效率得到了一定的提升。