本文提出加速近端马尔可夫链蒙特卡洛方法，用于凸几何图像反问题的贝叶斯推断。算法采用随机松弛近端点迭代：对平滑模型等效于过阻尼朗之万扩散的隐式中点离散化，收敛快且渐近无偏；对非平滑模型等效于Moreau-Yosida逼近的Leimkuhler-Matthews离散化，偏差显著低于传统方法，并给出最优时间步长分析。