工业CT是使用X射线来生成被测物体外部和内部二维或三维表示的技术。工业CT在许多领域已被用于零部件的内部检测，主要应用有缺陷检测、故障分析、测量、装配分析等。锥束CT(CBCT)通过平板探测器采集投影数据，能够实现快速体积成像，并且具有各向同性的高分辨率和较高的X射线使用效率。锥束CT主要有圆形轨迹锥束CT和螺旋轨迹锥束CT两种形式。本文主要研究了工业锥束CT重建算法，并提出了改进方法，同时研究了三维CT图像缺陷分割方法。由于制作工艺问题，实际平板探测器获取的图像不一定理想，可能存在非均匀性，即使通过采集求平均也不能消去，需要对数据进行校正才可以消除。平板探测器的非均匀性存在于整个平面上，平板探测器越大，非均匀性问题就越突出。围绕这个问题，本文提出了非均匀性校正的锥束CT重建算法。首先，在重建前对投影数据进行非均匀性校正，然后采用校正后的数据进行重建。采用仿真数据和实际采集的数据进行验证，结果表明提出的算法能显著改善重建图像的质量。因为存在X射线散射和电子噪声干扰，平板探测器采集的投影数据可能被许多噪声污染。如果不去噪就进行图像重建，那么重建图像的信噪比就会降低。而且螺旋轨迹锥束CT的Katsevich重建算法需要计算投影数据的导数，如果直接对含噪的投影数据进行求导，会放大噪声在投影数据中的影响，重建图像的质量会严重下降，所以含噪投影数据需要提前进行滤波处理。中值滤波能够较好地去除信号或图像中的椒盐噪声，但是该滤波方法可能会破坏图像的一些重要细节。本文提出采用冲击滤波器改进的算法来去噪，然后使用Katsevich算法对滤波后的投影数据进行图像重建。实验证实，采用该方法重建图像的质量明显好于中值滤波的重建图像。在锥束CT发展过程中，采集数据的尺寸越来越大，因此锥束CT的图像重建成为一项非常耗时的计算任务。GPU集群是高性能并行计算设备，利用多个计算机资源去同时处理计算任务，使计算时间极大地降低。本文采用GPU集群技术来加速图像重建同时维护图像质量。首先分析了FDK重建算法的并行性，组建了一个GPU集群平台，并用于实现锥束CT并行重建。提出了两级任务分配的并行计算策略。由于并行算法采用串行算法所使用的公式，这样就确保了重建结果的一致性。实验表明，本文提出的重建方法完好地维持了图像质量，同时极大地降低了计算时间，图像尺寸越大加速效果越明显。工业CT体数据的三维缺陷分割是工业CT应用的一项重要任务。为了实现自动、准确的缺陷分割，本文提出了一种数学形态学和重采样相结合的方法。首先对体数据执行形态学顶帽变换获得初始缺陷分割，然后通过重采样技术删除伪缺陷。对实际工业CT体积数据进行实验，结果表明本文提出的分割方法能够准确地分割三维CT图像中的缺陷。