X线对人体健康有一定危害,X线照射量越大,对人体的损害就越大,特别是胎儿、婴幼儿、儿童对X线非常敏感。目前对于足以影响遗传的照射量究竟是多少还不十分明确。从预防角度来看,X线检查次数还是越少越好。对成像对象进行稀疏投影数据测量是减少X射线照射剂量的一个有效的方案。稀疏投影数据采集造成成像数据量的减少,成像质量降低。因此,对于稀疏投影数据的图像重建有一定的难度。对于稀疏投影下的图像重建,传统的滤波反投影算法(Filtered Backprojection, FBP)会由于投影数据的减少而导致严重的伪影。这些伪影严重影响了图像的诊断和治疗指导作用。迄今为止,学者们提出了很多算法应用于图像的精确重建,这些精确重建算法也可以应用到稀疏投影成像的研究中。除FBP算法外,基于迭代思想的重建算法,如ART算法、EM算法等可以有很好的效果,但是迭代算法的时间复杂度及空间复杂度都很高,难于实现。基于中心切片定理的直接傅立叶变换算法,将投影数据直接转化到频谱空间数据,并通过基于频域空间的重建算法来进行重建。这种算法的不足之处是,由投影数据转化得到频谱数据是极坐标下的,为了应用快速傅立叶变换就要将其插值转化为笛卡尔坐标下的数据,会造成频谱数据的误差,频谱数据的微小误差会在其转化到空间域时被放大,因此,对基于网格化的频谱数据应用频域重建算法,如邻近网格迭代算法等,与直接对其进行傅立叶变换并没有的提升。为了消除稀疏投影情况下FBP算法重建图像的伪影,更好的利用频域重建算法,本文提出了一种基于频域优化的稀疏投影重构图像的伪影消除方案。通过对图像噪声及稀疏投影图像的频谱数据特点的分析,提出了一种基于频谱数据采样的方案来获得更为精确的数据,并以此为基础,利用邻近网格个迭代算法的思想来恢复频谱数据,利用TV梯度下降算法来对图像进行保边去噪的处理,以频域及空间域混合处理的成像算法来获得最终的重建结果,得到较为理想的结果。本文针对理想数字模型和实际头部切片数据进行大量的计算机仿真实验,将混合去伪影算法与INNG算法及TV算法进行比较,通过图像效果图及PSNR曲线图的对比看出,本文提出的混合去伪影算法相比其他两种算法在稀疏投影成像方面更有优势。