颅面三维模型重建及其人脸模型特征点标定是颅面形态学以及颅像重合中需要解决的关键问题。针对现有方法提取的轮廓存在杂质以及人脸模型特征点标定需要大量手工干预等问题,本文以人类颅面医学CT (Computed Tomography)作为研究对象,研究基于曲线演化的颅面轮廓线提取和利用动态规划思想实现的最小累积面方法重建单层闭合人脸和颅骨三维模型,并根据人脸模型的深度图像实现其特征点的自动标定,具体内容如下：1.提出基于曲线演化的颅面外轮廓提取方法。由于已有方法提取复杂外形的单层闭合外轮廓存在困难,本文对二值化后的CT图像应用该方法,自动地提取出一条单层闭合的外轮廓,该轮廓能够精确地分割出人脸和颅骨部分。2.应用动态规划思想实现的最小累积面方法重建颅面模型。研究并实现轮廓线的顺序索引,在相邻层有序轮廓间利用动态规划的思想构建出最小累积面,重建出单层闭合人脸和颅骨三维模型,与已有方法比较,该方法可以获得更好的模型。3.提出基于深度图像的人脸模型特征点自动标定方法。通过球面坐标变换生成人脸模型的二维深度图像,结合SUSAN算子、灰度积分投影和人脸几何模型等方法自动标定其特征点,然后将其映射到三维模型上,从而实现人脸模型特征点的标定。4.设计实现颅面三维模型重建及特征点标定原型系统,利用上述方法自动地提取了二维CT图像的外轮廓线,并且重建出逼真的人脸和颅骨三维模型,以及在人脸模型上自动标定出感兴趣的特征点。实验结果表明,利用本文方法重建的三维模型无杂质,重建过程人工干预少,能自动有效地在人脸模型上标定特征点。