计算机断层成像技术(Computed Tomography, CT)是与MRI、同位素扫描、超声图像等一样重要的医学图像诊断手段。与其他医学成像方法相比,CT成像具有检查方便、无痛苦无创伤、图像密度分辩力高、解剖关系明确和病态显影清楚等优点,已成为肿瘤疾病诊断和高质量冠状动脉成像的主要手段,是医学影像学领域中最活跃的技术之一。但是,由于采集和变换过程复杂,医学CT图像在处理、传输过程中容易受到噪声污染,并且由于新的CT设备在提高成像质量的同时,使用了更大的X射线剂量,使得人们越来越关注于CT剂量对人体的潜在危害以及如何在保证图像质量的前提下有效地降低射线剂量。因此,探讨能消除低剂量CT图像噪声的方法有着重要的临床意义和应用价值。随着近年来计算机硬件技术的飞速发展,图像去噪和恢复领域出现了很多新算法、新思想,这也为从算法方面改善低剂量CT图像质量提供了新的契机。常用的图像去噪方法有中值滤波,维纳滤波,基于直方图的滤波等等。但是由于这些去噪方法对CT图像噪声模型分析得不够透彻,用它们来对CT图像去噪的时候,处理效果不能满足医学诊断的需求。近年来,小波阈值滤波和双边滤波算法在图像去噪方面得到了广泛关注。但前者不适合应用于低信噪比的图像,而后者则涉及到多个参数的调整,不具有自适应性。基于各向异性扩散滤波的图像平滑方法虽然在去除噪声的同时保留了图像边缘信息,但是造成图像的细节信息部分丢失,容易造成临床医生的误诊或漏诊。为了获取低剂量CT图像的优质重建,本文在基于最小化梯度能量函数的全变分算法的基础之上,结合B arzilai-B orwein自适应步长,提出一种基于投影数据非单调性全变分恢复的低剂量CT重建方法。新方法首先通过非线性Anscombe变换将满足Poisson分布的投影数据转化为近似Gaussian分布,其后对变换后的Gaussian型数据进行非单调性全变分最小化算法滤波,最后对Anscombe逆变换数据实现传统的滤波反投影CT重建。该算法在有效去除噪声的同时,很好地保留图像的边缘和纹理细节信息。仿真和临床低剂量CT重建实验表明,本文方法在噪声清除、伪影抑制和缩短重建时间等方面均有上佳表现。本文前面两个章节首先对CT成像的发展现状和成像原理作了详尽的介绍,然后第三章简单阐述了包括维纳滤波、各向异性扩散了滤波、小波阈值、双边滤波与非局域平均算法和全变分等传统的图像去噪方法的原理及应用。第四章详细介绍了基于投影数据非单调性全变分最小化恢复的低剂量CT重建。最后,本文对医学CT图像去噪领域的前景和趋势作出了总结和展望。