电学层析成像技术（Electrical Tomography,ET）是一种根据边界测量值重构被测物体内部电特性分布的非侵入的可视化技术,具有响应快、成本低、无辐射、无损伤的优点,可以广泛应用于工业和生物医学检测等领域。在电学层析成像中,图像重建本质上为逆问题的数学求解过程,然而逆问题的高度不适定性增加了求解难度。为提高图像重构质量,本文提出分数阶全变分正则化（Total Fractional-order Variation Regularization,TFVR）图像重构方法,并分别研究了该方法在电阻抗层析成像（Electrical Impedance Tomography,EIT）和电容耦合电阻层析成像（Capacitively Coupled Electrical Resistance Tomography,CCERT）中电导率分布信息的成像效果。本文的主要工作如下:（1）针对图像重建存在的背景不清晰和目标物重建精度不高的问题,本文提出了基于分数阶的全变分正则化方法。采用交替最小化方法对目标函数进行求解,利用单步最速下降法求解最优的电导率分布,并使用经验法对参数进行选择。（2）对基于分数阶全变分正则化方法的EIT图像重构进行研究与分析,实现了对颅脑内部目标的精确重建。建立了单电极激励模式下圆形颅脑结构有限元模型,分析了不含目标物场域内的测量数据,以及外接电阻对灵敏度分布的影响;对颅脑电导率分布进行图像重建,研究了脑出血和脑缺血在无噪、有噪条件下的成像效果。结果表明,与Landweber迭代法、Newton-Raphson法和Tikhonov正则化法相比,所提方法重建的目标物更精确,背景更清晰,抗噪性更好。（3）对基于分数阶全变分正则化方法的CCERT图像重构进行研究与分析,实现管道内部目标的非接触式图像重建。基于CCERT技术建立正问题有限元模型,根据似稳场理论建立CCERT的数学模型,并对CCERT的正问题和逆问题进行了论述。利用所提方法获取被测区域的最优电导率分布,分别在有噪声和无噪声条件下,对几种泡状流模型进行了成像研究,分析了所提方法在不同噪声水平下的鲁棒性,并且使用评价指标定量评估了重构图像的质量。结果表明所提方法空间分辨率更高,鲁棒性更好。