X射线发光断层成像（XLCT）作为一种新型混合成像技术,利用X射线深层激发稀土纳米颗粒,发射近红外光,可以同时采集生物体空间结构信息和表面荧光信息,为深度组织成像提供了可能性。XLCT具有高穿透性和高空间分辨率的优势,在肿瘤早期检测,药物代谢追踪等领域具有临床应用价值。然而由于生物组织中光的散射和吸收作用,XLCT的重建是一个病态不适定问题。因此,高效、鲁棒的重建算法一直是X射线断层成像的研究重点。本文在稀疏正则光源重建研究基础上,主要针对解的稀疏性和平滑性均衡、以及正则化参数选择问题,研究了自适应稀疏正则的XLCT光源重建方法。本文具体研究内容如下:（1）针对不同的生物应用,已有的稀疏正则方法已经在解的稀疏性和形态学恢复方面得到了广泛的研究。然而解的稀疏性越高其形态学损失越大,因此需要设计一种同时兼顾稀疏性和平滑性的通用算法。研究提出一种泛化的弹性网正则的光源重建方法,一方面基于非凸优化理论和迭代近似策略,提出了一种由L1和L2正则化的凸组合模型,并采用软阈值迭代算法进行优化求解。另一方面,基于K交叉验证的多参数选择策略,通过自适应训练学习到最优参数取值。研究通过数值仿真,物理仿体和在体实验表明,所提出的弹性网正则方法在不同光源设置情况下,在空间定位方面平均定位误差可以达到0.47±0.18mm,平均背景信噪比高于其他对比算法。（2）针对XLCT光源先验知识有限,导致传统稀疏贝叶斯算法重建结果与真实位置偏差较大的问题,通过引入近消息传递的思想,提出一种广义近消息传递的贝叶斯学习的重建方法（GAMP-SBL）。研究为了加快算法收敛速度,在逆问题求解中将贝叶斯学习模型和最小均方误差求解模型交互迭代,并采用交替优化方案自动计算消息传递过程中的所有的未知超参数,进而重建。为了验证所提出方法的可行性,研究跟稀疏贝叶斯方法与广义近消息传递方法进行对比。研究结果表明,本文所提出的GAMP-SBL方法能够改善XLCT重建质量,相比于传统贝叶斯模型平均重建时间提高了2.5倍。