从脑电信号中重建视觉刺激图像不仅扩展了脑科学的应用领域,还加速了对大脑工作机制的深入探索。本文以基于脑电信号的图像重建关键技术作为研究对象,针对功能性磁共振成像重建图像模型的改进、基于脑电图信号重建图像方案的设计、超分辨率图像增强算法的改进等内容展开研究,具体如下:（1）针对基于功能性磁共振成像模型的图像重建性能较低问题,设计了一种改进多视图深度生成式模型。首先,概述了多视图深度生成式模型的优缺点;其次,针对多视图深度生成式模型的不足,设计了具有不同网络结构的编、解码器;最后,比较了不同调优策略下,重建图像质量的差异度。实验结果表明改进模型较原模型的平均PCC、SSIM值最高分别提升了 3.61%、6.47%;平均MSE值降低了13.51%。（2）针对基于功能性磁共振成像的重建实验过程复杂、成本高昂等问题,提出了一种基于脑电图的图像重建方案。首先,阐述方案设计思路;其次,采集原始脑电图数据,并用滤波、主成分分析等传统预处理方法和离群值检查、离群值处理、数据分布查验、相关性度量等所提统计学方法对其进行数据预处理;最后,用脑电重建图像模型对处理后的数据,进行基于脑电图的图像重建实验。实验结果证明了图像重建方案的有效性。（3）针对基于脑电信号重建出的图像模糊、分辨率低等问题,设计了一种基于残差通道注意力网络的增强型深度即插即用超分辨率（deep plug-and-play super-resolution,DPSR）算法来对其进行画质增强。首先,阐述了 DPSR算法的优缺点;其次,用残差通道注意力网络改进DPSR;最后,在四个数据集上测试了改进模型的性能。实验结果表明,在不同模糊核下,改进算法的平均PSNR、SSIM值提高了 0.31dB和0.55%;在不同噪声水平下,上述两值提高了 0.26dB和0.51%。本文在功能性磁共振成像、脑电图和超分辨率图像增强相关技术之上,通过设计图像重建方案、自建数据集、改进图像重建模型等手段,进一步提升了基于脑电信号的重建图像质量。总体而言,本文研究成果能够促进大脑视觉信息解码任务早日完成。