随着医学影像技术的不断进步，现代医学成像技术和生物学发展十分迅速。分子影像作为一门新兴前沿的综合类学科，受到传统医学和计算机领域的充分重视。分子影像融合了分子生物化学、数学和图像处理等技术，可以在活体状态下对生物过程进行细胞和分子水平上的定性及定量研究。目前，该技术在生物生长发育、疾病发生发展过程、特定基因功能及药物研发在体定量评估方面应用广泛，因其自身具有高探测灵敏度、低成本、简单易用的特点，在生物学研究中发挥了重要作用。　　生物发光断层成像（Bioluminescence Tomography, BLT）作为一种重要的成像模态，利用其高灵敏度、背景噪声低等特性，可以在生物体体表获得荧光图像，重建出生物体内荧光光源的分布以及生物体细胞分子水平变化。然而生物体组织具有强散射、弱吸收的特点，荧光光子无法在组织中沿直线传输，经过大量散射过程后，光学检测仪器在生物体体表处探测得到的荧光强度微弱，使得成像具有严重病态性，导致很难唯一、准确地重建荧光光源在生物体内的分布。因此，降低BLT的病态性，如何唯一、准确的重建光源是BLT研究的重点及热点。本文的主要研究工作围绕BLT重建算法展开，力图发展高质量的重建算法以提升重建图像质量和重建算法速度。本文的主要工作内容如下:　　1)提出了一种具有普适性的正则化参数自适应选择方法，并在此基础上准确地重建荧光光源的空间分布。由于BLT逆向问题具有严重的病态性，导致不能重建荧光光源或重建的荧光光源不唯一。因此，大多数的BLT重建方法采用基于正则化的重建方法。对于基于正则化的重建方法而言，正则化参数对于重建结果的好坏有着至关重要的影响。目前，正则化参数的选择主要采用经验取值的方法，但该方法具有人工选择、主观性差和难重复的缺点。如何自适应的选择正则化参数仍未引起研究人员的高度重视。考虑到上述问题，本文提出了一种基于正则化参数自适应选择的BLT重建方法。该方法有效避免了参数选取过程中的人为经验扰动，而且可以适用于L2、L1和总变分三种正则化方法。为验证方法的有效性，开展了数值仿真实验。实验结果表明，基于本文方法选择的正则化参数可以准确的重建荧光光源。　　2)提出了一种基于贝叶斯压缩感知方法的BLT重建算法。BLT光源重建是典型的逆向不适定问题，很难重建出唯一的光源，因此需要融入更多的先验信息，才能保证重建光源唯一。贝叶斯压缩感知理论结合了稀疏贝叶斯模型和压缩感知理论，能够达到更好的重构效果和较小的误差。本文提出了基于拉普拉斯先验的贝叶斯压缩感知算法来重建生物光源，保证了重建质量，同时提高了重建速度。　　3)提出了一种基于多任务压缩感知的BLT重建方法。考虑到扩散近似方程难以描述光在高吸收性生物组织区域中的传播过程，本方法首先利用高阶球谐近似方程作为描述光子传播过程的模型。其次，为充分利用多光谱提供的先验信息，本方法基于多任务目标挖掘多光谱中各谱段的内在联系，并在此基础上实现了荧光光源的三维重建。实验结果表明，与传统多光谱重建算法相比，本算法具有更高的重建质量，并且很好地压缩了重建时间成本，提高了算法的速度。