近些年来,陆地和浅海勘探地震数据处理经常遇到近地表复杂性的挑战。一般来说,常见的非线性近地表速度建模方法如初至走时层析成像和全波形反演均存在多解性问题。与地球物理成像方法类似,一些医学成像手段如电阻抗成像也属于高度病态的问题。约束反演方法已经被广泛应用于地球物理成像以及医学成像来解决非线性反演的多解性问题。对于近地表速度建模来说,初至走时层析成像由于有限的初至走时信息以及射线理论的限制,无法对复杂构造例如速度反转、薄层构造等进行精确成像,从而无法保证静校正量的准确性。静校正层析反演(Tomographic Inversion with Statics,TIS)被用来同时解决短波长静校正和速度建模问题。静校正最优化的初至走时层析成像方法(Statics-Optimized Traveltime Tomography,SOTT)可以在保证长波长静校正量准确的同时进行速度建模。我们结合这两种方法来考虑利用长短波长静校正量进行约束速度建模,提出了长短波长静校正量约束下的走时层析成像。我们首先应用TIS方法得到短波长静校正量,并将其校正到拾取的初至走时,然后通过长波长静校正最优化对初至走时层析成像进行约束。最终得到的速度模型既拟合了短波长静校正修正的初至走时,又同时确保了长波长静校正量的准确性。我们将新的方法应用于理论数据和实际数据。应用结果表明我们的方法提高了速度建模以及静校正的准确性。正则化方法被广泛应用于约束反演以减弱反演问题的病态性。吉洪诺夫正则化(Tikhonov Regularization)是初至走时层析成像最常用的正则化方法。但是吉洪诺夫正则化通常会降低成像结果的空间分辨率。我们提出了一种基于生成式对抗神经网络(Generative Adversarial Network,GAN)的约束初至走时层析成像方法。在该方法中,GAN被应用于生成先验模型。我们假设GAN生成的先验模型和初至走时层析成像的反演模型存在相同的交叉梯度关系。我们通过改进的交叉梯度函数将先验模型的结构信息作为约束并入初至走时层析成像的目标函数,从而提高初至走时层析成像的空间分辨率。我们将该方法应用于理论数据和大庆实际数据。结果表明,和传统的初至走时层析成像相比,我们的方法锐化了速度分界面,显著提高了速度模型的空间分辨率,并改善了叠加剖面上层位的连续性。全波形反演(Full Wavefrom Inversion,FWI)可以对复杂速度构造进行成像。然而,由于近地表波场的复杂性,波形反演容易因为周波跳跃而陷入局部小值。走时与波形联合反演将初至走时信息作为约束加入波形反演的目标函数,减弱了波形反演的周波跳跃问题。川东构造带位于中国四川盆地东部,其地层倾角较大,由一系列格挡式褶皱构成。川东构造带较大的高程差、陡峭的地层以及剧烈的横向速度变化给近地表成像带来了挑战。我们将走时与波形联合反演应用于川东构造带近地表速度建模,并和传统的波形反演方法进行对比。结果表明,传统波形反演在崎川东构造带崎岖地表附近由于周波跳跃产生了人造假象。由于初至走时信息和波形信息的同时约束,联合反演方法在对川东构造带复杂近地表速度进行准确重构的同时约束了崎岖地表附近的速度。对于医学成像来说,计算机断层扫描(Computed Tomography,CT)可以准确地重建被扫描区域的密度结构。电阻抗成像可以检测CT扫描可能不敏感的电阻抗异常,但较低的空间分辨率是EIT应用存在的主要问题。交叉梯度法已经被应用于石油与天然气勘探来对同一地质构造进行不同地球物理属性数据集的联合反演。我们提出了 CT约束的电阻抗医学成像方法,应用CT图像和电导率分布的交叉梯度关系来约束电阻抗成像。基于交叉梯度的方法利用不同模型的结构信息进行相互约束,并不会影响成像结果的极性和幅值。我们将新的方法应用于仿真实验以及水槽实验并和传统电阻抗成像方法进行对比。结果表明,我们的方法具有很好的抗噪性,并且可以显著提高电阻抗成像的空间分辨率。我们将约束反演方法应用于地球物理成像以及医学成像,通过在反演过程中加入先验信息的约束改善了传统成像手段中存在的病态性以及多解性问题,提高了成像结果的精度。