三维信息处理作为计算机视觉的一项重要内容，已广泛应用于军事、工业、农业等领域，并且在理论研究和实践应用中得到了不断完善和发展。明暗恢复形状(Shape From Shading，简称SFS)是其中一种基于图像灰度信息的三维信息提取技术，对图像要求较低，特别适用于特殊环境下所获取图像的处理。目前，国内外现有的SFS方法可分为以下三类：求解微分方程组法、变分法和最优化方法。 现有的小波神经网络求解SFS问题是一种最优化方法，虽其不需估计光源参数但需要多幅相同光源环境下的实物图像与高程数据进行学习。本文提出一种基于单幅图像的SFS问题的小波神经网络求解法，主要完成如下工作： 1．本文针对最优化方法的平滑因子对表面形状的均匀控制缺陷，提出一种具有自适应平滑的目标函数，使得重建表面形状的变化与图像亮度的变化一致； 2．本文构造一个由3个小波神经网络并行而成的网络，给出其拓扑结构，建立其非线性学习机理，提出一种用小波神经网络解决SFS问题的优化方法，给出本算法的具体实现步骤，并讨论本算法的收敛性； 3．本文在已知光源方向、Lambertian模型假设之下讨论SFS的唯一性，证明在此假设之下算法收敛到唯一的物体形状； 4．通过人工生成图和实际图的模拟结果，说明该网络的优越性。