K-edge成像技术是多能谱CT技术的一项发展前景十分广阔的技术延伸,该技术基于目标材料的X射线衰减系数在一定能量范围内会产生剧烈变化这一特点,对目标材料在K-edge能量前后进行X射线图片拍摄,并通过数字图像处理获得细节清晰且质量优秀的图像。K-edge成像技术可以有效区分人体不同软组织、去除射束硬化伪影并减少辐射剂量,是一种具有巨大前景的医学成像手段。本论文针对K-edge特性图像噪声较大的特点,使用独立成分分析(Independent Component Analysis,ICA)对其进行降噪。在进行图像降噪的仿真实验中,通过设定全局阈值函数对具有稀疏性的含噪声输入信息进行降噪以保留有用信息。在经过快速ICA方法即FastICA算法降噪之后,原含噪声图像只有少量噪声残留,图像视觉效果良好。本论文针对K-edge特性图像感兴趣区域与模型之间较难区分且图像张数多、背景图像简单的特点,通过支持向量机(Support Vector Machine,SVM)实现了图像分割,并对SVM参数进行了优化。在进行K-edge图像分割的仿真实验中,首先对目标进行图像采样,以选定训练集;然后通过建立基于SVM的模型对样本进行训练;最后利用训练得到的模型进行预测并判决目标图像、实现图像分割。通过实验分析最优分割算法,该最优分割算法的图像分割准确率预期达到100%,包含人工采样在内,整体算法的运行在8秒内完成,满足复合材料模型K-edge特性图像研究条件。