多谱CT成像利用射线的能谱特性与物质衰系数之间的关系,解决投影多谱性与单能假设的重建算法不一致问题,可有效抑制CT重建图像中的硬化伪影,提高图像对比度。现有多谱CT成像主要通过多能重建算法或光子计数探测器实现。多能重建算法一般都需要以材料衰减特性或X射线能谱为先验,算法模型复杂,应用性不强。光子计数探测器虽能实现单能成像,但该探测器目前仍具有一定的局限性。对此,本文基于不同能谱下投影序列之间关系展开研究,提出了基于减影融合的X射线多谱CT成像方法。论文首先在研究固定电压CT成像的基础上,分析不同能谱分布下多能投影之间的关系,发现两个不同能谱对应的公共能量段的多能投影之间具有很强的相关性,在此基础上,研究了多个能谱对应的公共能量段下多能投影之间的关系,建立了递变能量多能投影序列的减影融合模型,旨在去除多个多能投影公共能量段投影信息,获取近似窄能谱的投影信息。针对减影融合后投影光子数目少、常规算法重建噪声大的问题,通过分析重建结果,发现减影融合得到的窄谱重建问题类似于低剂量CT重建问题,结合压缩感知理论,以图像梯度域的稀疏性作为先验,研究了基于全变分最小化的统计迭代算法(EM-TV)进行重建,能有效减少重建图像噪声,考虑到EM-TV算法迭代次数多、噪声有残留的问题,研究了基于字典学习改进的EM-TV算法,通过仿真和实际实验验证了该算法能减少迭代次数,提高收敛速度,有效去除重建图像残留噪声。