本文对三维数据场曲面重建中的网格方法以及一些相关技术进行了研究，内容包括曲面网格的重建、曲面网格的简化、光顺、以及在网格数据结构中虚拟内存技术。全文共分六章。 第一章对三维数据可视化技术作了一个综述，着重阐述了三维数据的采集以及其分类；可视化技术中曲面重建算法的介绍以及分类；最后回顾了一下网格简化技术的发展。 第二章描述了海量数据场中的曲面网格分层重建技术。传统的曲面重建算法往往是先进行等值面抽取再对抽取的结果网格进行各种后期操作，如网格光顺、简化等。对于大数据量的数据场来说，等值面抽取过程对计算机的存储空间提出了很高的要求，通常不得不使用大容量的图形工作站才能解决问题。本章中我们创新地提出了大数据量曲面网格分层重建算法。在算法中，我们首次提出逐层重建，即时简化的策略。采用该策略，我们可以边重建边简化结果网格，从而有效地降低了算法对计算机存储空间的要求。在算法实例中，我们针对已分割的Visible Human头部切片数据，完成了大脑，小脑，脊椎等器官的表面重建工作。实践结果表明分层重建算法能在有限的内存空间里完成传统网格重建算法所不能完成的大数据量的曲面网格重建。这对一些大数据量网格重建工作，如医学图象可视化等，在个人计算机上普及应用起到一定的帮助作用。此外，本文算法的思想还可应用在大数据量网格模型的简化，传输等方面。 第三章介绍了基于离散曲率的边折叠网格简化算法。虽然网格在计算机表示中是离散的，但近似的离散曲率依然能有效地反映曲面网格的几何特征。网格简化的过程可以看作为曲面几何特征信息按一定顺序剔除的过程。在这一章中，我们提出基于离散曲率的方法。通过网格顶点处的离散曲率计算，我们可以尽可能地减少低频区域的顶点密度，保护网格形状特征细节丰富的高频区域。并采用了蝶形子分作为边折叠产生新点的模板。在本章算法实例中，我们对牛模型，鹿头模型进行了简化操作，对简化效果进行了对比。实验结果表明，利用该算法来进行曲面简化能很好地保持网格的形状。 第四章详细阐述了网格数据结构中的虚拟内存技术。由于三维数据采集技术不断提高，曲面重建所得到的模型网格越来越复杂。超大型网格对计算机内存容量要求远远超出现有硬件水平所能承受的范围。虽然操作系统提出了虚拟内存管理的概念，对数据存