生物荧光断层成像(Bioluminescence Tomography，简称BLT)是一种新兴的可用于观测和定量评价小动物体内生理和病理过程的光学分子成像技术。相比于传统的层析成像技术，BLT具有无辐射创伤、背景噪声小、灵敏度高等优点，这使其在诸多生物医学领域具有广阔的应用前景。生物荧光断层成像问题是一个典型的逆源问题，它能够通过生物体表面的测量数据重建出生物体内部的光源分布。从提出至今，BLT的重建算法经历了快速的发展，然而现有的各种算法尚未能达到理想的重建性能，重建结果的准确性，重建的稳定性和速度等方面都尚需改进。因此，求解BLT问题的高效稳定算法仍有待进一步的研究。本文基于辐射传输方程的扩散近似形式，分别从连续模型和离散模型两方面，围绕BLT问题的重建算法开展了深入的理论研究和数值实验研究。连续模型下，我们推导了求解多光谱BLT问题的EM算法和约束Landweber算法。离散模型下，我们基于Graph Cuts算法和迭代算法提出了一个一般性的求解BLT问题的混合算法框架。主要研究内容包括：　　⑴通过数值模拟实验分别考察了Monte Carlo方法、有限元方法、自适应有限元方法求解BLT正问题的精度。数值模拟实验结果验证了在散射占优介质中采用扩散近似方程的可靠性，表明了用有限元方法求解基于扩散近似方程的BLT正问题的高效性。这为采用基于有限元的方法求解BLT问题提供了保证。　　⑵在连续模型下，本文将求解单光谱BLT问题的EM算法和约束Landweber算法推广到多光谱问题，推导出了多光谱情形下的EM算法和约束Landweber算法。并分别在完全测量数据情形和部分测量数据情形下通过数值模拟实验比较了单光谱算法和多光谱算法。数值实验结果验证了多光谱算法较之单光谱算法的优势。　　⑶在离散模型下，本文研究了求解BLT问题的混合算法，并基于Graph Cuts算法和迭代算法设计了一个一般性的求解BLT问题的混合算法框架。混合算法在没有先验知识的情况下首先采用Graph Cuts算法计算得到一个精确可靠的支集，然后在此基础上根据迭代状态合理安排和使用迭代算法重建得到一个准确的光源分布。为了提高重建效率，混合算法中还采用了多重网格策略。如此，混合算法不仅避免了需要人为的提供光源支集的限制，而且能够显著提高之前提出的各种迭代算法的性能，快速准确的重建出物体内部的光源分布。　　⑷通过数值模拟实验比较了混合算法和已有迭代算法，并根据实际成像情形系统全面的考察了测量噪声、光学参数误差、模体结构误差等因素对混合算法的影响。数值实验结果验证了混合算法较之其他算法的优势，显示了在各种因素存在情形下混合算法均能得到较好的重建结果，表明了其具有很好的稳定性。