电阻抗成像技术(Electrical Impedance Tomography,EIT)具有非侵入性、便携性、价格低廉、无损伤、响应快、能连续使用等优点,在医学甚至工业等领域具有很好的应用前景。随EIT技术的应用背景趋于复杂,对成像要求也不断提高,设计合理的图像重建算法提高成像质量一直是EIT技术研究的重点。针对传统EIT直接求解算法与EIT迭代算法降噪能力弱的问题,引入Kalman滤波算法,将EIT逆问题求解转化为状态估计问题,利用算法的噪声统计特性进行测量值滤波,得到图像灰度值。基于EIT有限元模型完成静态目标重建实验及动态目标重建实验,验证Kalman滤波算法在降噪方面的优势。针对Kalman滤波算法在重建过程中,随测量次数的增加,重建效果变差甚至出现失真的现象,采用扩展Kalman滤波算法,通过非线性方程描述EIT物理场,提高EIT数学模型的精度;并在此基础上引入渐消因子,提高新测量数据在求解过程中的权重,保证算法具有较好的数值稳定性,解决了随测量次数增加图像重建效果变差的问题。基于EIDORS3.8软件实验平台与婴儿胸腔CT扫描图,提取婴儿胸腔轮廓先验信息,构建婴儿肺部三维模型,基于婴儿肺部临床监测数据,重建吸气末肺部轮廓图像,提取肺通气量数据并进行分析处理,验证Kalman滤波算法及其改进算法在实际应用中的可行性。