近红外光断层成像(Diffuse Optical Tomography，DOT)是一种相对较新的成像技术，它具有较高的时间分辨率、较低的设备成本以及无创性等优点。所使用的近红外光的波长范围通常为650-900nm，该波段的近红外光对生物组织具有良好的穿透能力，因此可以有效探测到生物组织深层的信息。　　 对生物组织成像通常包含前向问题和逆向问题。逆问题求解通常包括非线性最优化方法以及基于Rytov近似的线性算法。针对非线性最优化成像问题，本文提出了一种基于投影误差变化的自适应正则化方法( PAR)。该方法通过选择最优的正则化参数，从而最大程度地减少逆问题的病态性，因此能够保证获得最优的重建图像质量。本文在二维乳腺模型中验证了该方法，结果显示该方法能够有效提高乳腺重建图像质量以及提高小目标的检出能力。　　 基于Rytov近似的线性算法常用于具有半无限模型的图像重建中。基于这个算法，我们进行了提高近红外成像深度分辨率研究。近红外光入射生物组织时，随着入射组织深度增加，其强度呈指数型下降，这导致深层组织的光子密度远远小于浅层组织的光子密度，因此近红外光成像通常深度分辨率比较差。本文根据光子密度指数下降这一事实，提出了一种指数型光子密度补偿方法(EAM方法)，该方法通过在深层的光子密度上乘以-较大的系数，在浅层的光子密度上乘以一较小的系数，使得深层和浅层光子密度之间产生一种合适的对比度分布，从而达到提高近红外光断层成像深度分辨率的效果。　　 本文将EAM方法在半无限仿真模型以及真实人脑成像实验中进行了验证。仿真结果表明，该方法能够准确重建出组织深层内的目标，而且重建图像具有较好的深度分辨率以及较高的对比度分辨率。人脑成像结果表明，EAM方法能够准确地将任务激活区定位在大脑皮层上，而且它也能够准确区分任务作用下大脑内不同功能区的激活。可见，EAM算法对提高近红外光断层成像深度分辨率具有重要作用，该算法也将有利于推动近红外光断层成像研究的实用化。