X射线多谱CT是抑制X射线多谱硬化伪影,提升CT图像对比度的有效方法,在新材料、新药物、微纳器件等领域具有重要意义。现有多谱CT主要是基于迭代重建算法模型,耦合X射线多谱成像的物理先验约束,构建多谱投影观测模型,设计迭代优化求解算法实现。但是此类算法假设条件较多、模型复杂、各优化项的参数不确定,实际应用难度较大,工程应用性不强。鉴于此,通过多能投影序列分离获取窄谱投影的投影域分解工作逐渐被重视。投影域分解可直接得到窄谱特性较好的投影数据,再通过传统CT重建算法可得到灰度一致性较好的CT图像,有效降低了CT重建算法的设计难度,为多谱CT成像提供了一种新的途径。因此,论文在研究现有的投影域分解方法的基础上,以提升CT图像对比度和满足组分区分与表征为目标,研究基于多谱投影分离的X射线多谱CT成像与组分表征方法。论文在研究X射线多谱CT成像原理的基础上,针对现有的基于多能量投影序列盲分离模型的无能量约束问题,引入基效应分解,将分离模型中的衰减系数按光电效应和康普顿效应分解为能量项和材料项,建立了基于基效应分解的多谱投影序列盲分离模型。同时,根据射线成像的多谱特性,耦合残差非负性约束条件,推导了分解模型的迭代优化求解算法。通过由镁、铝组成的样品为对象,进行实验分析。实验表明,分离投影序列得到的多谱CT图像序列具有明确的能谱指向,重建图像表征的衰减系数精度得到有效提升。其次,针对多次变能量CT扫描存在的高精度机械重定位问题,在分析投影成像模型和多谱投影序列盲分离模型的基础上,提出了基于分能段扫描的多谱CT成像方法。将CT重建图像依据基效应分解为空间依赖项(基图像)和能量依赖项(能量系数),代入多谱投影序列盲分离模型中,建立了以基图像为求解目标的盲分离模型,推导了分解模型的迭代优化求解算法。实验表明,该方法在实现近似窄谱成像的同时,减小了对高重定位精度的依赖以及数据获取与分析复杂度,避免了对同一几何参数投影的多次成像的要求,提升了扫描及计算效率。最后,针对投影序列分离得到的多谱CT序列组分表征问题,在研究基于图像域分解的双能CT表征方法的基础上,通过分析各材料组分在分离的不同能量的CT序列中的灰度变化趋势,构建了基于图像域分解的多能CT序列表征模型,并通过最小二乘优化求解各组分在CT图像的体积分数,实现材料组分的表征与识别。实验表明,该表征方法相对于传统的双能CT表征方法,可以有效抑制多谱伪影带来的噪声影响组分表征识别问题,具有较好的组分分辨能力;并在多组分合成的样品实验中也取得了较好的实验效果。