三维表面重构是计算机视觉领域的一个重要研究方向，已在社会生产生活的各个方面显示出越来越不可忽视的地位和作用。SFS (Shape From Shading)的方法只需单幅灰度图像作为输入就可恢复景物的三维表面形状，所以在理论研究和实践应用中得到了不断的发展和完善并成为三维表面重构技术的一个研究热点。本文在深入分析、全面总结当前SFS算法的基础上，提出了一种基于综合约束模型的最小化SFS算法。 论文归纳总结了目前存在的四类典型SFS算法：最小化方法、演化方法、线性化方法以及局部方法，介绍了各算法的原理，并对其算法性能进行了分析比较；针对SFS研究存在的问题进行了研究，尤其是针对其存在的问题之一“约束模型”进行了深入的研究，引入灰度梯度约束，提出了一种基于综合约束模型的最小化SFS算法；深入研究了SFS最小化算法的迭代实现方法，设计了Horn光滑约束最小化算法、强制可积约束最小化算法和本文提出的基于综合约束的最小化算法详细迭代步骤。 为了验证基于综合约束的最小化算法的正确性、分析算法的性能，首先用计算机控制条件下的仿真图像作为输入，对光滑约束最小化算法、强制可积约束最小化算法和基于综合约束的最小化算法进行比较实验。实验结果分析表明，基于综合约束的最小化算法是恢复精度较高的算法，明显改善了光滑约束最小化算法的顶部压扁失真,比强制可积约束最小化算法具有更小的时间复杂度；然后用数码照片作为输入进行了实验，实验结果亦证明基于综合约束的最小化算法是一种有效可行的恢复精度高的SFS最小化算法。