冷冻电镜三维重构技术近年来在生物大分子三维结构研究领域发展迅速,与传统技术相比无需结晶,适用于更多种类的样本,在重构软件的帮助下图像和结构获取更加便捷,更是取得接近原子级别的分辨率,获得越来越多研究人员的关注。但是冷冻电镜图像在拍摄的过程中需要使用很低剂量的电子成像来保证蛋白质样本不被破坏,这使得极低信噪比成为冷冻电镜图像重构的一个主要障碍。单颗冷冻电镜图像重构主要分为聚类,初始模型重构和初始模型优化三个部分。每个部分都是通过聚类求类平均图像的方法对原始数据集中的图像进行降噪。聚类的关键在于如何度量图像之间的相似性。目前主流的单颗粒图像三维重构算法的相似性计算都只考虑了对应两幅图像的信息。这种直接度量的方法会使得相似性会很容易受到图像噪声的影响。本文提出了利用复杂网络来抑制单颗粒图像噪声的重构方法。在计算图片之间的相似性时对所有数据集中的图片建立网络,网络中的节点代表数据集中的图像,通过分析网络的拓扑结构,计算图像之间的结构相似性来优化初始网络,从而获得更准确的相似性度量结果进而将聚类问题转化为网络分割问题。改进后的相似性受到噪声的影响更小,更精确的相似性也有利于图像类别的指派。通过模拟数据和实验数据上的实验表明,我们基于网络的重构方法在聚类阶段和重构阶段对比于当前方法都有明显提升。我们也编写了一个软件实现了单颗粒图像三维重构流程,并且我们采用了一种新的模型分辨率计算方法来实现自动的模型选择,这使得我们的软件需要很少的人工干预和先验知识,可以实现自动的单颗粒图像三维重构。