近年来,计算机断层(Computerized Tomography,CT)成像技术飞速发展,并广泛应用于临床医学放射诊断领域。与此同时,CT扫描所带来的医疗辐射量逐年增加,人类健康受到了极大威胁,越来越多的人开始关注辐射剂量的问题。然而,降低剂量往往又会带来CT成像质量的严重下降,进而影响医生对非正常组织的确诊率。因此,低剂量CT的临床应用应遵循在确保高质量重建图像的前提下尽可能减少辐射剂量的原则,由此,低剂量CT成像技术的研究成为一个热点。本文从改进成像算法的角度出发,对低剂量CT投影域数据恢复方法和含噪重建图像后处理算法进行了深入研究,主要工作如下:(1)提出了一种基于残差图分解与平滑块排列(Smooth Patch Ordering,SPO)的低剂量CT投影恢复算法。首先对低剂量CT投影进行SPO滤波得到初始的降噪投影,然后通过基于在线字典学习的形态分量分析(Morphological Component Analysis,MCA)方法将残差图分解为结构部分和噪声部分,并将残差图中提取的结构部分作为补偿投影,与初始降噪投影相加得到恢复投影。最后利用滤波反投影(Filtered-Back Projection,FBP)方法对恢复投影进行重建,获得重建的低剂量CT图像。实验结果表明,与其它传统算法比较,所提算法在低剂量CT重建图像的噪声抑制以及边缘、细节和结构等特征的保持方面都有明显的优越性。(2)提出了一个适用于低剂量CT图像处理的新的分数阶偏微分方程模型。传统的Perona-Malik(PM)模型在平坦区域表现出良好的平滑性能,全变分(Total Variation,TV)模型在边缘区域表现出显著的边缘保持特性,但是这两种模型都容易引起块状效应,而分数阶偏微分方程模型恰能在有效克服块状效应的同时实现对图像细节和结构的保持。所提模型通过将分数阶PM模型和分数阶TV模型进行加权组合,既保留了PM模型、TV模型和分数阶偏微分方程模型的优点,又克服了各自的缺点。再者,鉴于图像特征和细节处的局部灰度方差比噪声背景处的方差更大,本文将局部灰度方差加入到所提模型的加权系数和扩散系数中,达到了更好的保持图像边缘和细节的目的。最后,对实验结果进行主观和客观分析,验证了所提算法的有效性。(3)提出了一种改进的平滑块排列(Modified Smooth Patch Ordering,MSPO)算法,并将其应用于低剂量CT图像质量改善。为了克服SPO算法没有考虑局部块之间的距离且需要单独训练集的问题,本文将经典的非局部均值(Non-Local Means,NLM)滤波中的Leclerc加权函数置换为实验效果更好的改进的Bisquare函数,并将改进的NLM滤波与图像块分类和子图平均方法相结合应用于图像块排列过程中。另外,在图像块排列之前加入了预白化处理步骤,将低剂量CT图像中的相干噪声变换为不相干噪声,使得噪声更易于去除。而在图像块排列之后,又用TV滤波代替原始SPO算法中的二次迭代方法,有效地去除了重建图像中的残余噪声。实验结果显示所提算法兼顾了条形伪影、斑点噪声的抑制和重要结构信息的保持。