目标检测和PET目标重建是当今计算机科学领域研究的两个热门问题。目标检测是确定目标或者其成分的位置轮廓以及姿态的过程,因而成为很多重要计算机视觉问题的前提和基础。PET通过接收7光子达到确定核素分布的目的,因而PET目标重建可以为癌症的前期诊断提供强有力的依据。由此可见,目标检测和PET目标重建在计算机科学领域都起着举足轻重的作用。基于信息融合的目标检测由于集成了多方面的信息从而达到了更好的检测效果,本文的研究重点—基于部件的目标检测正是一类典型的利用信息融合来进行目标检测的方法。然而目前基于部件的目标检测方法的精度和鲁棒性还有待提高,该方法还不能适用于更加复杂多变的环境,本文针对这些问题提出了一系列的改进方法,属于特征级的信息融合方式。基于信息融合的PET目标重建大多采用旋转的方式采集目标多个角度的投影来对目标进行精确重建,然而目前旋转PET系统还存在着很难精确估计系统矩阵、旋转精度要求过高等缺点,本文针对这些问题设计了一种新的旋转PET系统,属于数据级的信息融合方式。因此,本文的研究内容主要包括以下几个部分：1)针对基于部件的目标检测模型依然受到目标遮挡影响的问题,提出了一种基于部件的目标检测模型来专门处理部件遮挡问题。本文对传统的形状信息模型、局部纹理信息模型进行了改变以适用于遮挡的检测环境,并对目标遮挡的先验进行了建模,同时加入了惩罚项来更好地约束假设空间。在检测阶段,本文采用内层推理和外层推理相互迭代方式来达到最小化目标函数的目的,且在此过程中加入了可用性验证来避免不正确的检测结果。实验结果表明,在没有遮挡的情况下,本文方法可以在很少的迭代次数内获得不错的检测结果,在存在遮挡且大多数的部件被遮挡的情况下,本文方法仍然可以达到令人满意的检测精度。2)针对目标旋转的问题,提出了一种新的具有任意角度旋转不变性的部件检测模型。为了完全剔除目标旋转对部件检测带来的影响,本文设计了一种新的形状信息模型,这种模型采用部件之间的距离作为形状特征。在检测过程中采用置信度传播算法进行推理,为了保证置信度的计算可以在线性的时间复杂度内完成,本文对泛化的距离变换进行了扩展。实验结果表明,本文方法的性能在不同角度旋转和不同形状信息权重的情况下是恒定的。在不同旋转角度的混合测试集上,即使已经给稀疏形状信息模型提供了很好的初始值,本文方法的性能仍然要优于稀疏形状信息模型的性能。对于非旋转测试集,在部件个数多于两个的情况下,本文方法的性能不比树状模型差,但是当部件个数等于两个的时候,本文方法由于缺少角度信息,性能会降低。同时实验结果也表明,本文提出的形状信息模型可以跟各种不同的纹理描述方法结合来达到部件检测的目的。3)针对现有形状信息模型通常不能对部件位置形成有效约束的问题,提出了一种无向图结构的形状信息模型来表示部件之间的位置关系,同时为了解诀动态规划算法不能应用于带有环路结构的形状模型的问题,本文提出了一种层次传播算法,既能保证检测结果的正确性,又能保证检测过程为线性的时间复杂度。实验结果表明,本文的方法在摩托车数据库上和在飞机数据库上的检测性能要好于1-fan模型和2-fan模型。4)针对目前旋转PET系统存在着很难精确估计系统矩阵、旋转精度要求过高等缺点,本文设计了一种90°旋转PET系统,大大增加了垂直于平板方向图像的空间分辨率,同时也降低了工程复杂度和对机械精度的要求。这种旋转方式使本文提出的平板PET系统达到了目前为止所了解到的最好的几何对称性,最大程度上缩短了使用蒙特卡罗方法估计系统矩阵所需要的时间,而且采集数据的冗余度较少。实验结果表明,本文系统可以在探测距离为5cm、10cm和15cm的情况下很清晰地重建目标,且在这三种平板距离下的x轴方向上(即垂直于平板方向)分别达到了0.79mm、0.74mm和0.72mm的分辨率,远好于非旋转PET系统。另外本文根据实验还得到了以下结论：影响PET系统重建精度的是相邻体素的系统矩阵的相关性。