三维数字结构在材料分析、资源勘探、地质科学等诸多方面有着重要的研究意义和使用价值。利用计算机数学建模的方法从二维参照图像重建三维数字结构是获取研究介质三维数字结构的主要途径。经过多年发展,诞生了诸多优秀的基于二维图像的三维重建算法,但是三维重建算法的性能仍旧存在巨大的提升空间。基于此背景,本文聚焦单幅二维图像的多孔介质三维重建算法性能提升进行相关研究。主要的研究内容包括下述三个方面。（1）模式密度函数重建算法的性能提升。模式密度函数结合了多点统计算法和最优化算法两者在图像形态方面的描述能力强且稳定性方面较好的两个优点,本文提出了一种级联多态系统,改进点如下:其一在多级网格系统中将移动的模板尺寸进行了改进,从原来的3×3提升为9×9,这样显著加强了描述图像形态特征的能力;其二在重建过程中,直接将训练图像中符合重建条件的部分直接复制过来,这样在减少数据参与迭代的前提条件下,极大地提高了重建速度。通过上述两种措施,针对单幅岩心二维切片的三维重建在前人的基础上,有了更大的进步。（2）基于GAN模型下单幅二维训练图像训练库的构建研究。已有的深度学习网路模型其训练重建过程针对数据集有较高的要求,需要已经存在的一定数量的三维结构或一定数量的岩心二维切片,然而在实际采集过程中,这些前提条件带来较大的成本约束,不具有良好的经济性。本文目标在单幅岩心切片作为训练初始材料的前提条件下,通过数据库的扩充从而完成均质岩心三维结构的重建工作。（3）基于GAN模型下噪声模型的优化研究。单幅岩心切片重建三维结构这个目标要求后,经试验发现,其重建结果不具有多样性,究其原因在于测试过程中输入的模拟三维结构其中包含的噪声不具有动态性,通过实验对比选择合适的噪声填充,完成多样性的重建,即解决模式坍塌的问题;并通过实验说明该网络多模型重建不同形态均质岩心结构的可行性。