PET成像是目前广泛研究的医学成像方式之一。不同于CT、MRI等结构成像系统,它能够对病人体内的新陈代谢情况进行成像、提供结构成像系统所不能揭示的生理信息。因此,PET成像在医学图像领域处于不可替代的地位。PET成像系统通过探测从病人体内发出的一对光子,得到带有同位素湮灭位置信息的投影数据。然后利用数学方法,反演出病人体内同位素分布的情况。由于其数据采集原理的特性,PET图像分辨率不及CT、MRI这类结构成像系统,噪声也比它们大。成像质量的提高无非从两个途径下手：硬件和软件。相比于硬件设施的改进,软件的优化往往能得到更高的经济和时间效率、普及速度也比硬件快。因此,改进重建算法成为提高PET成像质量的一个有效途径,也是充分发挥现有硬件性能的重要途径。本文从数据统计特性和先验信息的角度出发,针对目前重建算法中的几类问题,进行一系列研究,提出了能够大幅度提高PET图像质量的重建算法。主要贡献包括：1、提出了利用粒子滤波方法来重建PET图像的思想。目前较为成熟的迭代算法由于其不能将先验信息作为约束来优化重建,使得结果分辨率不高、细节还原失真。近年来兴起的状态空间方法由于其普遍使用的卡尔曼滤波不适于估计泊松模型的数据,使其抑制噪声的能力不及迭代算法。本文针对这两个不足,取长补短,提出使用粒子滤波方法重建PET图像的思想。该方法适用于复杂的统计分布模型,具有一定的普适性,同时能够借助状态空间框架将先验信息加到重建中去。本文从已有的数学公式出发,推导出适用于PET图像重建的粒子滤波算法,并且通过三组实验证实了该方法的优越性。2、实现了PET图像重建的并行计算。针对目前重建算法速度慢的缺点,本文提出了使用基于GPU的并行算法来加速图像重建。本文提出的粒子滤波重建算法由于其并行度高,使用并行计算得到了不错的加速比。设计的一组实验证明了并行计算对于重建速度的提高有显著作用。