随着人类文明的发展，越来越多的领域要求快速的获取物体的数字化模型。利用图像灰度信息重构物体的三维表面(简称:SFS，ShapefromShading)是一种快速的非接触式三维测量手段。在遥感、工业测量、人脸识别、快速成型等领域都有着广阔的应用前景。但是现有的SFS算法存在重构精度低，计算效率低，重构结果容易产生歧义等缺点。本文分别针对SFS问题的不同模型提出了不同的解决方案。首先对OSFS模型提出了一种基于优化思想的重构方法，使算法收敛于全局最小。随后对PSFS问题中普遍存在的歧义现象进行了详细讨论，分析了歧义现象产生的原因，并证明了歧义现象是不可消除的，同时也证明了歧义与PSFS问题解的唯一性之间不存在根本矛盾，在一定的边界条件下PSFS问题仍然是一个适定问题。接着提出了一种基于图像分割思想针对非连续灰度图像的重构算法，该算法有效的避免了歧义现象的产生，并很好的延续了图像中物体的非连续性。最后本文提出一种高效的SFS算法，该算法将SFS问题中经典的Lambert模型替换为Phone模型，使non-Lambertian曲面的重构问题得到了很好的解决，并且将初始模型的计算集成到了整个算法中。在算法运行时，不需要人工输入初始数据，只需要一幅图像就可以得到最终的深度信息，提高了算法的自动化程度，极大的提高了算法的运算效率。此外，此算法实现了对高分辨率图像的处理，提升了SFS方法应用的普遍性。