计算机辅助三维颅面复原技术在刑侦、考古等领域有重要应用，本文综述了该技术的现状及发展趋势，比较分析了现有的几种方法。针对颅面复原技术现存的问题，提出本研究课题，以对目前使用较多的征点法加以研究改进。 特征点法是采用基于离散点的曲面生成技术，根据颅骨特征点及其软组织厚度确定颅面特征点，生成面貌曲面的方法。其中五官的复原和特征点软组织厚度的确定是重点和难点。 五官及辅助特征点的确定是影响复原相似度的关键，辅助特征点的确定又是其中的关键技术。本文提出分区处理五官的复原，按各自区域的特点，添加辅助特征点。以鼻子区域为例，使用基于BP神经网络的预测技术．通过网络训练确定鼻子的颅骨形状与其颅面辅助特征点的关系，推测出拟复原对象的鼻子区域的颅面辅助特征点的位置，从而实现鼻子的复原。实验证明，眼睛、嘴巴及五官以外的其它区域中的颅面辅助特征点，也均可用神经网络预测法确定。 另外，现有的颅面复原方法，一般用专家统计的特征点软组织厚度均值指标作为计算颅面特征点的依据。均值指标涵盖的年龄较宽泛，而一个特定的拟复原颅骨可通过骨龄测定确定其年龄，若采用均值指标，导致复原结果缺乏个性。本文提出，通过神经网络训练，确定软组织厚度随年龄的变化规律，较精确地计算出与拟复原对象的骨龄相适应的特征点软组织厚度值。 实验结果表明，对于给定颅骨采用上述方法复原出的三维面貌雏形，涉及的数据量较小，具有较好的效果，利于三维表情构建、五官修饰和纹理复原等后处理过程。