三维建模一直是计算机图形学和计算机视觉领域中的基本问题之一。人脸作为人类日常交流和情感表达的重要载体,其所特有的普遍性和易用性使之成为众多优秀建模算法的研究对象。有效的建模算法对于提高计算机对人类表情的理解能力,丰富人机交互方式等都极具意义,同时也能为其它对象的建模提供有价值的参考。但由于人脸具有极度复杂的几何形状、表面材质、微妙的表情变化以及多样的姿态,使得建立逼真的三维人脸模型成为一个富有挑战的课题。虽然建模如此困难,但是众多研究者始终在此领域积极探索,许多成功的算法已经应用在影视广告、动漫游戏、视频沟通、医学诊断和人脸识别等领域中。传统的三维人脸建模方法大多依据多幅人脸图像来提取面部特征信息,再通过逼近(优化)算法来完成对一般模型的修改和优化。基于形变模型方法是近几年出现的三维人脸建模方法,可以通过单幅图像完成建模,而且具有计算复杂度低,结果稳定性好等特点,但目前该方法在建模和优化过程中还存在诸多问题。针对形变模型方法的特点和问题,本文在形变模型方法的基础上,通过对单幅图像进行模型重建过程展开研究,主要工作内容包括：(1)基于主动形状模型的人脸特征点获取。生物特征点定位始终是模式识别研究中的基础问题,同时也是模型重建的前提。本文着重以ASM(Active Shape Model,主动形状模型)方法获得平面特征点定位。文中通过人工对眼睛和嘴唇中心的标记来完成ASM全局形状模型的初始定位,虽然引入了人工干预,却简化算法并降低程序的复杂度。最后加入对已获得特征点位置的矫正环节,以使定位更为精确。(2)以改进的Hausdorff距离度量结果作为形变模型变形的依据。MHD(Modified Hausdorff Distance,改进的Hausdorff距离)一般用来度量两点集之间几何形状的相似程度：MHD距离越小则形状越近似。就人脸对象来说,不同的面部器官对人脸相似度的影响权重不同,其中脸型和眼睛对相似度贡献最大。文中采用加权人脸相似度计算MHD距离,再将计算结果以单权值的计算方法进行反转——使较小的MHD值对应一个较大的权重,最后以形变模型方法计算出特定人脸所对应的三维特征点,完成特征点由平面到立体的过渡。(3)提出新的纹理映射方式。文中将模型重建过程分为形状重建和纹理映射两个部分。形状模型的重建是通过对一个一般模型的弹性变形获得,再将重建的形状模型做正投影变换,而投影之后的平面网格模型和输入的正面人脸图像在形状上相似,以此为基础缩放和旋转平面网格模型就能匹配和对应输入图像中的人脸部分,将过程视为纹理映射得到各个模型顶点的颜色值,实验结果表明基于形状模型完成纹理映射过程是可行的。(4)基于重建人脸模型的应用。本文人脸模型重建过程是对人脸的近似重构,并不涉及复杂的生理解剖数据,所以更多的应用在对模型精度要求不高的环境中,文中给出重建模型在外科医学、人脸表情模拟和一般的网络中的应用实例,以此阐释模型重建的实际意义和理想的建模效果。通过对以上几个方面的深入研究,论文实现了基于单幅平面图像的三维人脸建模方法,并解决了建模过程中涉及到的一些关键问题,获得了一定得科研成果。