生物发光断层成像（Bioluminescence Tomography,BLT）作为一种无创的医学成像技术,能够动态地提供活体动物肿瘤分布的信息。然而,由于生物组织的高散射特性,以及生物体表面光学测量信息的有限性和噪声干扰,BLT光源重建是一个病态问题。目前,以1L范数凸优化和贪婪算法为代表的稀疏表示理论为解决病态问题提供了解决思路,在BLT重建中得到了广泛的研究,能够实现光源的有效重建。但是,基于1L范数的凸优化算法通常面临时间效率低、正则化参数难以选取的问题;基于贪婪策略的重建算法其重建结构受稀疏度参数影响较大,容易陷入局部最优。因此,本文基于稀疏表示理论,结合两类算法优势提出了自适应稀疏表示的生物发光断层成像重建算法,为设计高效率、鲁棒、准确的BLT重建算法提供了新的思路,具体的研究内容如下:（1）在研究中,为了快速准确地恢复生物体内肿瘤的三维分布,提出了一种自适应牛顿硬阈值追踪（Adaptive Newton Hard Thresholding Pursuit,ANHTP）算法来提高BLT的性能。ANHTP采用了一种自适应稀疏调整策略来获得支撑集,简化了稀疏度参数的调节过程。同时,基于强Wolfe线搜索准则,构造了一种改进的阻尼牛顿算法来获得最优光源分布信息。ANHTP算法充分结合了稀疏约束优化和凸优化的优点,保证了全局收敛性,极大地缩短了重建时间,改进了凸优化算法时间效率低和贪婪算法的局部最优性问题。一系列的数值模拟、物理仿体和在体实验表明,ANHTP具有定位准确、重建时间短、鲁棒性强等特点,可以进一步提高BLT在生物医学应用中的实用性。（2）为了解决匹配追踪算法稀疏度难以估计的问题,基于传统稀疏度自适应匹配追踪算法,结合四面体结构信息,提出了一种改进的自适应正交匹配追踪（Improved Adaptive Orthogonal Matching Pursuit,IAOMP）重建算法。IAOMP在每一次迭代时结合空间四面体结构信息选取多个原子,这样可以加速原子选择,减少迭代次数,避免过稀疏;然后使用非线性函数自适应估计稀疏度大小,修剪获得支撑集。使用该函数估计的稀疏度能够快速准确地逼近真实的稀疏度,也减少了人工估算的繁琐。实验结果证实,IAOMP拥有较好的鲁棒性和定位准确度。