MCMC方法是一种求解高维非线性问题的有效手段,高能闪光图像重建问题就是一个典型的高维非线性反演问题。然而目前的大多数重建方法都是基于一个线性的近似模型,利用光程图像进行重建。由于闪光图像受到系统模糊的影响,基于该线性模型的重建结果较模糊,特别是在边缘附近。这类方法面对的主要难点是消除模糊及去噪声。而本文结合完整的闪光照相的成像过程,主要关注了闪光照相系统的模糊及噪声对重建结果的影响;讨论了线性模型和非线性模型下进行闪光图像重建的相关理论及方法;重点研究了基于MCMC方法的闪光图像重建算法。在线性模型下,我们基于分层贝叶斯模型对光程图像进行了MCMC方法重建,数值实验结果表明运用MCMC方法进行闪光图像重建是可行的;但与线性模型下的其它重建方法类似,重建结果受系统模糊的影响严重,清晰度较低,特别是材料边缘附近。为了克服线性重建的该缺点,在假设己知系统模糊的前提下,提出了闪光图像的非线性最小二乘重建模型,并在Levenberg-Marquardt算法的基础上添加光滑和非负约束对透射率图像进行重建;数值实验表明与线性重建结果相比,该方法的重建误差明显降低,重建结果材料边缘的锐度得到了显著提高;展示了非线性重建模型在消模糊方面的优势。最后为了较准确地获取重建结果的不确定度,以提高重建结果的定量使用价值,结合贝叶斯理论,提出了闪光图像重建的非线性贝叶斯模型。以非线性最小二乘的重建结果为先验数据,采用MCMC方法对该贝叶斯模型进行求解;MCMC重建结果较光滑且材料边缘锐利,同时还能较准确地给出重建结果的不确定度。总之,与现有方法相比,本文的非线性MCMC方法不仅能够有效降低系统模糊对重建结果的影响,还能够给出重建结果的不确定度;在高能闪光图像重建中具有较明显的应用前景。