扩散光学断层成像（Diffuse optical tomography，DOT）是利用散射光来探测组织功能的一种具有大深度的光学在体成像技术，可非侵入进行深层组织功能成像，具有成本低、无辐射伤害、成像深度深的优点，在疾病过程的在体检测、基因治疗的在体示踪、药物在体疗效测评和功能分子在体活动规律研究等许多生物医学研究领域具有独特的优势使其脱颖而出、独树一帜。然而DOT成像受非线性和高病态性的限制，成像分辨率低，多模式成像成为一种改善其成像质量的有效方法。本论文针对双模式成像中亟待解决的问题，主要研究工作如下：提出了一种由CT图像产生三角网格，并采用区域修正算法用于修正标记区域的正确性的方法。该方法首先对CT图像进行图像分割获取多区域边界，然后使用采样算法产生初始点集用于Delaunay三角化算法产生初始网格，再利用分割内边界的方法产生区域节点细化网格，最后进行网格平滑和松弛改善网格质量。网格生成过程中对节点和单元分别进行了区域标记，采用区域修正算法修正标记区域的正确性。建立了一种用于DOT与Micro-CT双模式成像系统的图像重建算法，该算法以扩散模型为基础，利用有限元方法求解稳态扩散方程来模拟正向过程，以变分的方法求解逆向问题，以改进的Newton算法来重建光学特性参数，以Laplace正则化方法来引入CT获取的结构先验信息。仿真实验结果表明，结构先验信息的引入大大改善了DOT成像的质量。