基于光子计数探测器的能谱CT在数据采集的过程中可以实现光子能量的筛选，同时探测到物体在多个能量通道下的投影数据集，有利于在图像对比度低或差别小时突出细节特性，故能谱CT在物质识别和医学诊断中有很大优势。然而能谱CT将宽谱划分为窄谱能量通道，导致窄谱能量通道内的测量数据噪声增大，因此研究降噪重建算法提高谱CT重建图像质量是能谱CT发展的一个热点问题。本文基于光子计数探测器，研究能谱CT的降噪重建算法，主要研究工作如下:　　(1)投影域降噪算法:能谱CT窄谱通道内噪声具有一定的统计特性，基于投影方差与均值的统计模型，利用最大后验统计(MAP)算法、自适应MAP算法以及Split-Bregman(SB)算法对噪声投影进行处理，获得降噪后的投影。通过对投影以及重建图像的数量化比较，得到各种算法对能谱CT窄谱投影域数据的降噪效果，表明各算法对能谱CT的适用性。　　(2)基于结构先验的能谱CT重建算法:能谱CT各通道图像通过扫描同一物体得到，故具有完全一致的结构信息。本文基于加权非局部全变分(NLTV)方法，从宽谱重建的灰度图提取待重建图像的结构信息，并与待重建图像的稀疏变换结合提出了一种基于结构先验的加权NLTV算法，通过最小化重建图像和宽谱重建图的非均匀梯度范数补丁的多目标函数，提高各个通道中重建图像的质量。通过仿真实验定量分析重建图像的空间和能量分辨率，结果表明该算法较现有算法在高噪声和复杂模型中的优势。