图像重建是由传感器获得对象的边界测量重建出对象内部介质分布的过程。图像重建的精度和速度是当前亟待解决的问题。为了获得更佳的图像质量和更快的成像速度,许多研究者进行了不懈的努力,提出了多种图像重建算法,如反投影算法、Landweber的迭代方法等,这些算法各有不同的适用场合与局限性。针对目前断层成像重建图像算法存在的成像精度较低和速度较慢的问题,基于模糊聚类算法,我们提出了一种具有原创性的新型图像重建算法。与现有的成像算法不同,我们把不同的传感器所获取的信息有序地映射到一个向量的空间进行聚类分析。同时,通过特征分组加权,充分考虑特征之间度量值的不均衡性,更好地描述了数据中不同特征作用的差异。实验证明,我们提出的算法能够充分地利用已有信息,获得更好的图像重建效果。进一步地说,我们提出的算法实现简单,计算复杂度低,能够实时、动态地更新计算结果,为图像重建技术提供一个全新的手段。我们提出算法的可靠性和效率已经在一些典型的实验中得到验证。这些实验对象包括硬场类型的数据源:人体肺部实验数据、玻璃棒重建数据,以及软场类型的数据源。实验结果证明,新算法较为稳定和快速,重建的图像质量优于目前常用的灵敏度系数法和线性反投影算法,算法以较小的速度代价重建出了较高质量的图像。另外,基于相互作用指标,本文提出一种识别流型的新方法。实验显示我们提出的方法是有效和有用的,能够作为流型分析的特征提取的一种新的手段。