随着CT技术的快速发展及其在临床医学的广泛应用，人们逐渐的开始重视CT扫描中辐射剂量过高的问题。低剂量CT成为CT发展的必然，也是今后医学影像诊断技术发展的趋势。通过调整CT系统的扫描参数如降低管电流，可以达到降低辐射的目的。然而，低剂量CT重建图像质量发生严重的退化，影响临床医学诊断的准确性。因此，低剂量CT图像质量的提高成为CT技术研究的热点，其中，在CT重建之前对投影数据进行降噪处理是较为有效的方法之一。本文讨论了CT成像原理、重建算法和滤波算法，主要研究了低剂量CT投影数据的统计特性和投影域降噪算法。主要内容概述如下：论文首先简单地描述了CT的成像系统与重建算法，降低辐射剂量的途径和低剂量CT的实现。并详细地论述了低剂量CT投影数据的统计特性，其均值和方差大致符合高斯分布。同时，投影数据中还存在一些脉冲噪声点，使得CT图像出现了严重的条状伪影。并据此建立相应的低剂量CT的噪声模型。针对投影域的惩罚加权最小二乘降噪算法的不足，本文提出了一种改进的基于模糊数学的惩罚加权最小二乘降噪算法。根据低剂量CT投影数据的统计特性，在原来的降噪算法中引入模糊数学的理论，利用隶属度函数构建一种动态的权值。通过仿真实验可以证明，改进的惩罚加权最小二乘降噪算法优于原来的算法，其在抑制噪声的同时，能够有效的保护CT图像的细节和边缘信息。本文将图像域的高斯加权均值滤波器引入到投影域中，由于其对脉冲噪声滤除效果较差，使其在重建过程中造成CT重建图像存在伪影和失真。针对该算法的不足，提出了一种基于TV模型的高斯加权均值滤波器。仿真实验证明，与原始的高斯加权均值滤波器相比，改进后的算法获得很好的降噪效果，具有更好的收敛性与自适应性。最后，提出了一种基于梯度的自适应滤波器。根据投影数据的梯度特征，对投影数据的像素点进行类型分离，然后对不同的像素点采用不同的滤波处理，从而获取较好的CT图像质量。实验结果证明，该滤波器可以使低剂量CT重建图像获得更好的主观视觉效果。