计算机断层成像(Computed Tomography,CT)已经成为临床诊断和治疗的重要手段。为了降低CT检查中高剂量的X射线对人体的伤害,低剂量CT扫描逐渐成为临床应用的热点。但是,辐射剂量的降低导致低剂量CT图像中含有大量的量子噪声,这些噪声严重影响图像质量。同时,量子噪声与CT图像的像素值分布有关,传统的去除高斯噪声的方法对低剂量CT图像中的噪声去除效果不佳。故本文主要研究低剂量CT图像中量子噪声的去除算法,主要工作如下:噪声方差的估计精度决定了图像去噪的效果。针对传统的鲁棒性中值估计(MAD)方法对噪声方差估计精度较差的问题,本文提出一种改进的噪声方差估计算法。首先,利用非下采样剪切波变换把噪声图像分解为低频系数和多尺度多方向的高频系数;然后,利用MAD方法估计图像高频系数的噪声方差;再次,在估计的该噪声方差值附近选择一系列的噪声方差候选值,并且,在贝叶斯最大后验估计的基础上计算每个候选值对应的剩余自相关功率;最后,利用剩余自相关功率有效改进了噪声方差的估计精度。一系列的实验结果表明,提出算法的噪声方差估计精度远远高于MAD算法。同时,利用提出算法对含有不同高斯噪声强度的同一CT图像和含有相同高斯噪声强度的不同CT图像进行去噪,实验结果表明提出算法不仅有效而且具有较强的自适应去噪能力。低剂量CT扫描是降低X线剂量的有效手段。针对X线剂量降低产生量子噪声从而导致质量退化的问题,本文提出一种基于改进噪声方差的低剂量CT图像质量改善算法。首先对低剂量CT图像进行Anscombe变换,将量子噪声转化为近似服从高斯分布的噪声;其次,利用剪切波将变换图像分解成低频系数子带及多尺度多方向的高频系数子带;然后,针对低信噪比的高频系数子带,利用改进的噪声方差估计方法,并结合贝叶斯最大后验估计获得精确地非噪声高频系数;最后,利用剪切波逆变换和Anscombe逆变换获得重构图像。对多幅加入泊松噪声的常规剂量CT图像和多幅实际低剂量CT图像进行一系列仿真实验,定量评价和视觉效果均表明提出算法不仅能有效去除图像中的噪声,而且更好的保留了图像的边缘信息和纹理信息。由于二维图像不够立体直观,导致医生的工作效率不高甚至导致误诊。本文利用提出算法对一系列低剂量胸部CT图像进行去噪,并且,将去噪后的图像进行三维重建。实验结果表明本文算法重建图像不仅提高了医生的工作效率,而且提高了临床诊断的精度。