随着数字三维模型走进大众视野,将数字模型转化为现实物品的三维打印技术便获得了工业界的关注,面向用户体验的三维打印服务平台走向市场。该平台旨在搭建用户和三维打印中心的桥梁,提供大众用户自定义打印三维模型的功能,其中用户如何获取数字化模型成为平台需要解决的关键问题,而从物体图像中重建获得三维模型是最便捷的方式。从图像中重建获得物体三维模型的传统方法大部分利用视觉线索或传统机器学习方法,然而如今使用神经网络的方法由于具有更强的学习能力而得到广泛应用,也打破了传统方法对应用场景的诸多限制。因此本文从面向用户体验的三维打印服务平台背景出发,结合当前基于图像的三维重建方法的研究现状与不足,对三维重建的神经网络方法进行深入研究,并设计和实现了面向三维打印的重建系统。总体来说,本文的主要工作包括以下几个方面:（1）分析并实验了不同重建技术对三维打印的适应性。三维打印对三维重建技术提出了新的需求,因此本文以现有的基于图像的三维重建神经网络为例,实验验证不同的图像输入对重建结果的影响,并分析了不同模型表示的重建网络结构及对三维打印的适应性,为基于图像的三角面片重建方法设计和面向三维打印的重建系统设计提供了依据。（2）设计并实现了一种基于无向图模型的三角面片重建方法。三角面片适应于三维打印,但难以用神经网络直接重建生成。针对此问题本文将三角面片表示为无向图,提出了一种基于无向图的神经网络结构,并针对无向图设计网络损失函数。该方法可以有效地从图像中重建出图像中物体三角面片表示,提高了生成结果的准确率,同时降低了模型的局部几何错误。（3）设计并实现了一个面向三维打印的重建系统。从面向用户体验的三维打印服务平台背景出发,本文实现的系统可以接受用户输入的图像,生成图像中物体的数字化模型文件,并可以模拟三维打印过程。系统既降低了用户获取数字模型的难度,保证生成模型符合三维打印的要求,也可以让用户直观体验三维打印过程。