图像重建在医学诊断及工业无损探伤等领域有着广泛的应用，而不完全投影重建算法是图像重建研究领域的重点和难题。本文研究了神经网络优化技术和遗传算法在少数投影图像重建中的应用。 论文首先论述了投影重建的基本理论及模型，对常用的重建算法和优化准则作了分析和归纳，并介绍了神经网络和遗传算法，建立了它们的图像重建模型。神经网络又分前馈型的BP算法和反馈型的连续型Hopfield网络(CHNN)两类：对BP算法，采用附加动量法和自适应学习率对其进行改进；CHNN则根据能量函数的组成不同，构建了最大熵CHNN重建模型和最小范数CHNN模型。而针对遗传算法的收敛速度慢和容易早熟收敛的缺点，分别用模拟退火技术和最速下降因子嵌入遗传操作中对其进行改进。对以上算法作者通过选择测试函数进行计算机模拟，给出了在少数投影数据下场分布的重建误差和重建效果图，验证了各算法的可靠性和有效性。 模拟结果表明：在投影方向有限的情况下，以上各算法都能较好地重建出原场分布，且最大熵CHNN算法具有很好的抗噪声性能，而遗传算法的全局收敛性则明显好于其它算法。