人脸的几何形状和表面材质非常复杂,现实生活中的很多问题在二维的环境下并不能很好地解决。比如在人脸识别、人脸监控等方面,在表情变化或者正侧面匹配上其识别率始终无法提高,如果能有三维模型,那么就可以在三维模型上进行表情合成或者利用三维信息进行匹配,在理论上会识别率和鲁棒性都将会有提高。目前,三维人脸模型在安全认证、影视动漫、医学科学等领域的应用非常广泛。近年来,三维人脸重建方面的研究也取得了很多不错的成果。然而获取真实详细的脸部信息成本非常昂贵,例如需要利用三维激光扫描仪,而且由于环境因素或者建模对象的配合程度的影响导致实施起来比较困难。而人脸的二维图像获取相对而言非常简单,因此目前很多研究都围绕着基于二维图像去重建三维的人脸模型,而其中,尤其是单张正面图像所需要的条件少而非常容易获取,因此,本文将对基于单张照片的二维信息进行人脸的三维模型重建的方法进行讨论。本文首先深入研究了当前主流的基于图像明暗信息来恢复形状的三维重建算法,分析对比了传统的四类典型解法,包括最小化方法、演化方法、局部方法和线性化方法,并且从中选取了演化方法进行求解研究,在此基础之上提出了一种基于水平集算法和能量最小化方法的三维重建算法。首先本文在分析介绍了传统的水平集的数值解法之后,提出了一种改进的快速行进法来求解水平集问题,通过实验对比,该算法能够使求解的精度显著性地提高。使用改进的快速行进法求解基于图像明暗恢复形状的问题得到了和原始二维图像比较一致的三维人脸模型,但是由于明暗恢复形状问题所固有的病态性,求解结果不可避免地出现了凹凸二义性的问题。为了解决这个问题,本文首先基于三角面片的方向性寻找凹凸分界线,从而确定凹陷的区域,实验结果证明该方法的精确度比较高。然后采取能量最小化的方法,基于凹凸边界线和相对中心线对凹陷区域进行重构,实验结果表明最终获得的三维人脸模型和原始二维图像相似度很高,具有非常好的真实性。