电阻抗成像技术(Electrical Impedance Tomography，EIT)是一种新兴的计算成像技术，它根据生物体内不同组织导电参数(如电阻率、电容率)的不同，通过对生物体表面电流、电位的施加及测量，来计算重构各组织导电参数的分布情况，进而得到反映生物体内部组织相关信息的图像。EIT技术具有无创、廉价、便携、安全等特点，其重构图像不仅能在一定程度上反映生物体的解剖学结构，更能对生物体组织进行功能性成像，即在组织或器官发生结构性病变之前，就及时检测出该组织或器官的功能性变化，这对疾病的普查、预防与诊治非常有利，因而极具潜在的临床医学应用价值。 论文在阐述EIT技术研究现状、逆问题基本理论的基础上，从提高EIT成像质量和重构速度的角度出发，围绕静态重构中的正则化算法展开研究。首先，为提高EIT正问题的计算精度，采用了计及电极实际尺寸和接触电阻的全电极边界条件模型，并提出用疏、密剖分模型分别作为EIT逆问题和正问题计算模型；继而，在EIT逆问题研究中，针对Tikhonov正则化算法采用连续函数作罚函数，会因其平滑效应引起重构图像质量不高(对比度低、目标区域边界不清)的弊病，提出了两种新的正则化算法：变差正则化算法和混合正则化算法，前者是用离散变差函数作为正则化罚函数而形成的一种算法，它能有效克服连续罚函数的平滑效应，使重构图像对比度、清晰度得到提高；后者则结合了变差罚函数和Tikhonov罚函数的特点，将两种罚函数加权后作为新的正则化罚函数项而形成的一种算法，它在提高重构图像对比度、清晰度的同时，进一步提高了重构算法的收敛精度和抗噪性能；此外，论文还针对Jacobi矩阵计算量大，计算速度慢的问题，提出一种快速微分算法，使该矩阵的计算速度得到极大提高，并用“虚”激励矩阵拓展了该算法的适用范围；然后，论文运用混合正则化算法开展了多种设定情况的仿真研究，特别对颅内异物和人体胸腔进行了重构成像。通过与Tikhonov正则化算法重构结果的对比，显示了该算法能有效克服低电导率颅骨的屏蔽效应，实现对目标区域准确、清晰的重构，所得重构图像更具医用价值。论文还对混合正则化算法进行了噪声分析和实验验证，得到了该算法能接受的噪声程度，对EIT数据采集精度的确定有指导意义，也验证了所提算法的正确性和有效性。