CT心肌灌注成像是冠心病诊疗的有效手段.然而在CT心肌灌注成像(CT-MPI)中,人体心脏运动导致的一些空间位移会影响重建图像的质量,同时,由于CT-MPI需要对感兴趣层面进行连续多次增强扫描,极大地增加了病人所受的辐射剂量,对病人产生一定的不良影响.针对这两类问题,国内外研究学者对低剂量CT心肌灌注成像进行众多初步的研究.Tao等率先把统计迭代重建技术应用于心肌灌注CT图像重建,有效地减少了因图像噪声引入的条形伪影.Bian等提出了运动自适应稀疏先验模型的惩罚加权最小二乘法用于改善低剂量心肌灌注CT成像的图像质量.常见的解决途径是在重建过程中引入运动校正以减少运动的干扰,充分利用前瞻性的心电门控技术、优化扫描协议、优化KVp和mAs、采用先进的图像处理和重建技术等以减少病人所受的辐射剂量.本文也是针对上述两类问题进行研究,提出一种基于结构图像表示和光流场模型相结合的配准算法用于运动校正,并将运动校正技术和张量全变分正则化引入到惩罚加权最小二乘(PWLS)的框架中,整合到CT图像重建的能量函数中构建了一个新的重建模型,通过对XCAT体模仿真数据和实验猪扫描数据的结果进行定量和定性分析,证明了本文方法的有效性.具体工作如下:(1)提出一种基于结构图像表示和光流场模型相结合的配准算法.首先,采用香农熵计算出参考图像和浮动图像中所有像素点周围指定大小领域的熵值,然后把计算的熵值作为熵图像中对应点的灰度值以生成对应的两幅熵图像,再使用光流场模型配准算法对两幅熵图像进行配准.实验结果表明,该方法与光流场模型配准算法和残差复杂性配准算法相比具有较高的配准精度.(2)提出一种基于运动校正的张量全变分正则化的重建算法(MCTTV).该算法考虑到校正后相邻帧CT心肌灌注图像的差图所具有的梯度和时空结构稀疏特性,将心跳运动校正的过程引入到惩罚加权最小二乘算法中,从而改善CT-MPI的图像质量,我们把这种方法简称为PWLS-MCTTV,最后采用最速下降优化算法优化目标函数.实验结果表明,该方法与滤波反投影重建算法(FBP)和基于张量全变分正则化的PWLS重建算法(PWLS-TTV)相比能够有效地提高重建图像的质量.