计算机层析成像(Computed Tomography,简称为CT)技术,利用围绕被成像物体在不同视角下的X射线测量值(投影)能得到物体内部的二维或三维结构图像。它以无损、直观、准确的方式显示物体的内部结构、材质分布和缺陷等信息,已广泛应用于医学诊断、工业制造、军工、安检等领域,被喻为最佳的现代无损检测技术之一。锥束X射线CT,通过被检测物体旋转(或射线源和面板探测器绕被检测物体旋转),射线束在每个旋转角度下都能覆盖被检测物的一段,通过采集射线穿过物体后的衰减信号,获得重建所需的投影数据,从而重建物体被扫描部分的三维内部信息图像。和二维CT相比,锥束CT由于采用高密度面板探测器,具有扫描速度快(一周扫描可重建上千层图像)、X射线利用率高、重建图像轴向分辨率和水平分辨率一致等优点。与X射线源轨迹为圆周的锥束CT相比,螺旋锥束CT能以一种自然的方式连续检测诸如人、管道等长物体,且其扫描轨迹满足精确重建的数据完备性条件。随着面板探测器制造技术的进步,其耐辐射和抗干扰能力的提高,基于面板探测器的锥束CT成像技术已取得了突破,正逐渐应用于工业CT中,是工业CT技术发展的方向之一。基于视场区域半覆盖的螺旋锥束CT扫描技术,利用与传统视场区域全覆盖的螺旋锥束CT同样的探测器尺寸可以将视场区域扩大近一倍,且机械实现简单、扫描速度与传统锥束CT相当。重建时,利用推广的标准螺旋锥束FDK算法(简称偏心FDK算法)进行重建。由于FDK算法本身的优点以及偏心FDK算法不需要对投影数据重排和插值,该算法的计算效率高,与全覆盖螺旋锥束FDK算法相比,能将重建时间减少近一倍。但略显不足的是半覆盖螺旋锥束CT的投影数据沿面板探测器的行方向是截断的,而斜坡滤波器又是非局部的,使得重建图像受截断误差影响较大。针对该问题,将二维局部重建的思想推广到三维的半覆盖螺旋锥束CT,研究了基于局部化重建滤波器的半覆盖螺旋锥束CT的改进偏心FDK算法,实验结果表明,该改进的重建算法减弱了偏心FDK算法的截断误差,且对噪声具有抑制作用,提高了重建图像的质量,且重建时间更少。由于受现场检测条件的限制(例如在役管道的检测,其离地面太近或相邻有管道或其他物体阻碍等)或出于射线辐射剂量以及扫描成像时间的考虑,锥束扫描旋转的角度有时不能达到重建所需的最小角度(比如圆周FDK算法所需的PI+扇角),就会产生有限角锥束CT。当被检测物直径太大或中心铁质部件穿不透,而我们所关心的是其外壳部分(比如管道等),此时可将面阵探测器偏置,使每个旋转角度下的锥束只覆盖被检测物外壳部分,就会产生外部锥束CT。有限角锥束CT和外部锥束CT是两类典型的投影数据截断重建问题且在实际的应用中具有重要意义。一个工业部件(或一个人体器官)往往由一种或几种材料组成,而同种材料具有相同或近似的衰减系数,这一特征在CT图像上的表现就是图像的灰度值为近似分段常数(Piecewise Constant) (部分存在灰度渐变的图像除外),从而其梯度图像是稀疏的,符合压缩感知(Compressed Sensing)理论的假设。近几年,作为压缩感知原理在CT重建中的应用,基于图像全变差最小化(Total Variation Minimization,TVM)的正则化迭代算法对于求解投影角度采样稀疏型的重建问题取得了令人惊喜的成果。但是,TVM迭代重建算法用于有限角锥束图像重建问题时,稍显不足的是其重建结果在轮廓附近存在灰度渐变的伪影。而TVM迭代重建算法用于外部锥束重建时只能得到模糊的轮廓和扭曲的重建图像。针对TVM重建算法对有限角锥束问题的这一不足,我们推广了2D滑坡修正算法而得到3D滑坡修正算法,并将其加入到TVM算法中,得到一种带滑坡修正的锥束CT的TVM(Cone-Beam Slide-Corrected TVM,CBSC-TVM)重建算法。针对TVM重建算法对管状物的外部锥束重建只能得到模糊的边缘和扭曲的重建图像的这一不足,为了提高重建图像的质量,我们推广了基于2D C-V (Chan-Vese)图像分割活动轮廓模型的2D子区域平均化修正算法得到基于3D C-V图像分割活动轮廓模型的3D子区域平均化修正算法。在修正的过程中,先用3D C-V图像分割活动轮廓模型将重建图像分割成不同的子区域,再用各个子区域内的平均灰度值来代替该子区域内各点的灰度值,使其成为分片常数。将该3D子区域平均化修正算法加入到锥束CT的TVM迭代重建算法中,得到了带子区域平均化修正的外部锥束CT的TVM(Cone-Beam Subregion-Averaged TVM,CBSA-TVM)重建算法。实验结果验证了CBSC-TVM重建算法对有限角锥束CT和CBSA-TVM重建算法对外部锥束CT的有效性,能改善重建图像的质量。在CT的一些实际应用中,我们往往需要探测被检测物体的轮廓或边缘,而不仅仅是得到高质量的物体切片图像或三维的体图像,比如工业上物体的缺陷识别和测量、基于工业CT的逆向设计(即从CT图像获得计算机辅助诊断(Computer Aided Design, CAD)图形)应用于工业制造等;诊断医学应用上,往往探测和突出器官、组织、感兴趣区域(如肿瘤)的边界或轮廓是基本的要求。现有的一般方法是先CT扫描、重建,然后再在重建的CT图像上探测轮廓的两步方法。此方法不仅耗时,而且经常在后处理重建的CT图像时陷入困境(原因是任何实际的投影数据或多或少都含有噪声,且即使在投影数据上的白噪声,经过重建以后可能转化为非白噪声)。针对无损检测的应用需求和现有方法的缺陷,在研究了小波与其Radon变换投影之间的关系、利用反投影构造三维非张量积母小波及其在图像边缘提取中的应用一些理论基础上,研究了一种基于小波分析和单切片重组(Single-slice Rebinning , SSRB)算法的从螺旋锥束CT扫描数据直接重建物体轮廓特征的算法。实验结果表明,该算法不仅能很好地重建出被检测物的轮廓,达到基于CT的应用需要,而且针对噪声投影数据,该算法的重建结果要好于两步方法,且需要的计算时间消耗也明显少于两步方法。