从曲面的三维采样点集恢复出曲面的几何模型称之为曲面重建。曲面重建是许多研究领域如逆向工程，医学图像可视化中的重要问题，也是研究中的热点。本文主要研究散乱点的三维网格曲面重构算法，输入的点集只包含点的三维坐标，而没有任何其它的相关信息，输出的结果是一张与原始曲面同拓扑的三维网格曲面。本文的工作主要分为两部分： 第一部分回顾了曲面重建的背景—三维数据场可视化的发展和应用，以及主要技术。随后系统地研究了曲面重建领域中的主要算法，对它们的优缺点，算法运行效率，适应范围作了详细的分析，并根据内容的相似性进行分类。基于Voronoi图和Delaunay三角化的曲面重建算法是这个领域中的重要研究方向，因其几何条件简单，实现较容易且有理论保证而受到广泛的关注。本文亦对此类的算法予以了特别的重视，研究了其中两个代表性的算法：Crust算法和Cocone算法，分析了它们的创新所在和内在的缺点。 第二部分我们在研究了诸多基于Voronoi的算法之后，选择Cocone算法作为我们的理论基础，提出了一个基于Cocone理论的曲面重建算法，主要解决的问题有：1)提出了两个算法：Voronoi点滑移法和法向关联算法，在Voronoi边过滤的过程中去除重叠面片，从而避免了原有算法中轮廓提取步骤存在的不稳定性。2)引入了采样不足边界检测算法，通过检测采样不足区域的边界，去除边界处因法向估计不正确而出现的狭长的错误面片。3)提出了基于Delaunay的网格曲面空洞修补算法，用来填补曲面重建后出现的曲面空洞，利用Delaunay四面体来修补空洞可以有更好的网格形态，且有很好的效率。 最后，我们对曲面重建过程中存在的问题进行了总结，对将来的工作提出了展望。