曲面重建(SurfaceReconstruction)是指通过已知的曲面的部分信息将原曲面重建出来。曲面重建被广泛应用于计算机视觉和图像处理等多个领域。在过去的二十年里，许多重建算法被提出。根据重建曲面的表示形式的不同，可以将这些算法分为参数法和非参数法两大类。曲面重建主要需要解决的问题是原始数据点之间的关系以及最终曲面的拓扑结构。本文基于极小曲面模型和张量投票法，给出一个新的使用水平集方法进行演化的曲面重建模型。新模型结合了上述两种方法的优点，并使得它们各自的缺陷得以弥补。使用被广泛应用的基于偏微分方程的水平集方法进行演化计算，使得本文的算法简单易操作。本文的算法与其它方法的区别在于：在处理不适定(Ill-posedness)问题，或者有噪音的、非均匀的数据的时候，其它大部分算法多先重建出曲面，然后对得到的曲面进行光滑化或者正则化；而本文的方法首先对原始数据进行处理，使用张量投票法除去噪音点，对去噪后的数据集进行提取相干的几何特征(CoherentGeometricFeature)及其显著性(Saliency)的处理，然后再做曲面重建。实验结果表明，新模型不但继承了极小曲面模型的优点：可以处理复杂的拓扑结构、非均匀的数据。并且通过引入由张量投票法生成的一个蕴含数据源几何特征的场，实现了缺口填补(HoleFilling)的能力，使得重建出来的曲面更具有光滑性。又因为该场有极强的忍受噪音的能力，使得对于噪音较大的情形，依然可以得到较好的重建结果。本文还对张量投票的实现做了改进，使之有更高的效率。本文的算法存在的不足之处是运算量较大，以及只能重建出封闭的曲面。