双能减影成像(Dual-energy Subtraction Imaging)通过将样品在元素高低能段的两幅图像进行能量相减处理,消除不必要的背景,从而增强元素分布部位的信息。因此,被广泛应用于医学成像与化学分析领域。如果与双能CT成像相结合,就能够有效地获取样品内部的元素三维信息,更好地去除二维信号的模糊性。相对于普通X光机,同步辐射光源拥有明显的优势。但同步辐射装置的规模以及实验条件限制,实验采集的双能CT数据,极易出现图像空间失准的情况。本文提出一种基于互信息的双能CT图像配准方法,以互信息作为衡量图像相似度的目标函数,以多参数优化算法(遗传算法和Powell算法)在多维空间进行最优参数的搜索。该方法能够克服PV插值算法的局部极值点问题,对存在的HPV插值复杂度过高的问题,采用了多步长采样,在保证配准精度的同时,大幅度减少图像配准的时间。本研究工作于上海光源软X射线谱学显微光束线站(BL08U)开展实验,先对微米级尺寸的土壤颗粒的STXM成像,获取二维CT投影,随后CT重建得到CT数据。最后,经过双能图像配准及减影获取元素分布信息。主要取得了下面几个方面的结果:1.模拟验证了基于互信息的三维图像配准算法,针对双能CT图像配准,精度能够达到亚像素精度。在此基础上考察了PV插值与HPV插值对互信息曲线的定位准确性、算法对噪声的鲁棒性。提出了亚像素精度的评价标准并分析了模拟和实验结果。2.通过多步长采样计算互信息值,降低了算法的计算复杂度,保证配准精度,并验证了多步长下的步长选取方法。3.采集不同土壤层的土壤颗粒,通过磁铁筛选,选择富含铁元素的微米级颗粒进行双能CT成像,并且使用互信息配准算法得到了双能CT减影图像,即元素分布信息。为后续进一步分析土壤颗粒中的含铁情况,获知可能存在土壤层的差异性等土壤环境学研究打下一定基础。另一部分工作为等斜率CT算法(EST)部分模块的CUDA并行化。相比于传统的反投影(FBP)CT重建算法,EST算法能够有效减少CT投影数和辐射剂量,同时保证图像的质量。但采集的数据中缺失伪极坐标下的部分数据,需要迭代过程弥补该部分数据,导致速度慢。CUDA(Compute Unified Device Architecture)是NVIDIA公司提供的统一计算平台和应用计算接口(API),允许开发者使用图像处理单元(GPU)进行通用并行计算。本文完成了EST算法的二维模块的并行化,包括分数阶傅里叶变换、伪极坐标傅里叶变换以及逆变换等。