计算机断层成像(CT)能获取人体内部结构信息,在临床医学中应用十分广泛。CBCT因其扫描灵活、空间分辨力高、数据采集时间短等优点,已成为图像引导放射治疗的重要工具。尽管CBCT技术为医生提供了很大帮助,但在成像过程中病人会暴露在较高强度的辐射下,增加癌变风险,甚至引起基因病变,所以低剂量CBCT重建是一个值得研究的课题。本文分别从惩罚项和探测器物理模型的角度,提出了两种统计迭代CBCT重建算法。这两种算法能提升低剂量CBCT重建图像质量。一阶全变差(Total Variation,TV)惩罚能保护图像边缘且具有较好的去噪能力,但会导致阶梯效应。而二阶Hessian惩罚能抑制阶梯效应,但重建图像的边缘却会变得模糊。本文提出了一种新的惩罚:TV-H惩罚。这种新惩罚以一种自适应的方式将TV惩罚和Hessian惩罚的优点结合起来,达到既保护边缘又去除阶梯效应的效果。现有主流CBCT重建方法大多假设测量数据相互独立。CBCT系统使用的是平板探测器,相邻探测器单元得到的投影数据必然存在一定程度的相关性。本文提出了一种基于探测器模糊模型的CBCT重建方法,考虑了投影数据的相关性,达到提升图像分辨率的目的。本文进行了仿真模型和真实物理模型图像的CBCT重建实验。实验结果表明本文提出的基于TV-H惩罚的重构方法有较好的图像质量,提出的基于探测器模糊模型的重建方法也能较明显地提升重建图像分辨率。