岩石表面纹理结构建模对表征岩石纹理特征、研究岩样破坏规律、简化图像复杂度等方面都具有非常重要的意义。当前,岩石表面纹理的建模方法多种多样,其中Voronoi网格剖分方法的最后结果都为凸多边形,该特性有助于网格的后处理计算,并且Voronoi多边形网格结构在岩石结构表征方面有一定的优势,因此借助Voronoi网格剖分实现岩石纹理结构建模具有较强的理论和实际意义。但是,网格建模无法在网格数量和模型精度之间实现较好的平衡,模型精度的提高大多通过不断增加网格数量实现,而控制网格数量提高后处理效率往往会损失模型的精度,并且精度高的模型往往采取加大网格密度的方法,无法对岩石纹理边界形成很好的表达。因此提出一种能够平衡网格数量和精度同时具有较好的岩石纹理边界表达的建模方法具有较强的理论和实际意义。针对目前建模中存在的网格数量与精度难以平衡问题,本文提出采用Voronoi图进行岩石纹理图像的网格建模,将图像融合于Voronoi网格,根据图像特征实现Voronoi网格的自适应调整,最后获得具有图像依据并且复杂度可控的Voronoi网格剖分模型。本文Voronoi网格自适应建模方法在实现过程中充分运用了多种Voronoi图生成方法、图像处理技术、梯度下降方法。首先通过图像处理技术,包括图像灰度化、阈值分割以及Canny边缘检测等方法将原始的岩石纹理图像处理成有利于后处理的特征边缘图像。接着对边缘图像进行距离计算,生成对应的图像密度图,密度图将原本像素层面的图像转换成了数字图像,用于撒布初始种子点和生成初始Voronoi网格剖分模型。然后根据岩石纹理灰度图中像素变化特点,采用梯度下降方法在每次迭代过程中寻找像素变化最快的方向,并选择合适的变化大小对初始Voronoi网格模型进行边界拟合,使得最后的网格剖分模型能够很好的实现岩石纹理边界的表达。最后运用提出的Voronoi网格质量评价体系从多个维度对剖分结果质量评定,证明本文所提出的方法在岩石表面纹理结构图像的剖分中有较高的可行性。本文所提出的方法能够很好的将像素层面的图像与几何表达的Voronoi网格联系起来,使得最终的模型有较强的图像依据性,能够很好的还原原始的岩石图像。最后的结果也表明本文的方法具有很强的自适应调整能力,能够根据图像特征完成Voronoi网格与图像特征边缘的贴合,并且对种子点的数量并没有特别高的要求,很好的实现了模型精度和模型复杂度之间的平衡,对模型后处理提供指导意义。同时本文提出的另一个重要内容—Voronoi网格质量评价体系从两个层次、四个维度对网格剖分结果进行定量评级,该体系对结果评定、用户不同侧重点的模型选取都有重要影响。