CT图像具有较高的密度分辨率,能很好地显示密度差异较小的组织,但较高的辐射剂量限制了CT技术在大规模人群普查、肺癌等高危人群检查中的应用。针对上述情况,临床上采用降低剂量的扫描方案,但CT图像质量亦大幅度下降,影响医学诊断的准确性,并增加了图像分析和处理的难度。因此,低剂量CT图像的噪声抑制研究是当前医学图像处理的热点。本文主要针对低剂量CT投影数据的噪声统计特性,研究基于马尔可夫随机场(Markov Random Field, MRF)模型、贝叶斯准则的噪声抑制算法,并对真实数据和模拟数据进行实验和分析。依据重复多次扫描获得的投影数据的实验研究,获得一定条件下投影数据的噪声特性,并据此建立噪声模型,同时考虑到高亮区域噪声特点,提出先对投影数据进行预处理,再采用Gaussian MRF模型和参数自适应估计的结构保持MRF模型,并结合贝叶斯框架对投影数据噪声进行抑制。仿真及实验结果表明基于这两种MRF模型的噪声抑制算法都能获得较好的滤波效果,同时基于结构保持MRF模型算法能获得更好的图像主观视觉和边缘保持效果。