自从1971年第一台CT机研制成功以来,计算机断层扫描(Computed Tomography,CT)经过四十多年的发展,已经在临床诊断上被广泛应用,并且成为了放射领域内重要的工具之一。然而,随着CT成像技术的普及,X射线的辐射剂量问题越来越受到人们的重视。限制X射线辐射剂量的低剂量CT(Low-Dose Computed Tomography,LDCT)扫描技术,在减少辐射剂量的同时,常常会降低CT图像的成像质量。如何在X射线辐射剂量最低的情况下,通过改进成像技术和运用相关算法,得到的CT图像与常规剂量扫描获取的图像质量相近,或者能够得到更利于临床诊断的CT扫描图像,自然就成为这一研究领域亟待解决的课题。本文内容主要研究基于字典学习的低剂量CT投影域数据恢复和低剂量CT图像质量改善两个方面,具体内容如下:(1)针对低剂量CT投影数据的噪声特性,提出了一种基于字典学习与三维块匹配滤波(Block-Matching and 3D filtering,BM3D)的最大后验(Maximum A Posteriori,MAP)投影域降噪算法。该算法首先利用区别性字典对低剂量CT投影数据进行预处理,达到抑制部分噪声的目的;再运用MAP算法框架,构造一种由中值能量函数与BM3D算子组成的联合先验模型,对整个投影数据进行平滑处理,进而实现对低剂量CT图像质量的改善。实验结果表明,本章算法重建出的图像伪影较少,较好地保持了图像的边缘信息。(2)针对低剂量CT图像中的条形伪影,提出了一种基于字典学习与等效视数(Equivalent Number of Looks,ENL)的伪影抑制算法。该算法首先利用平稳小波变换(Stationary Wavelet Transform,SWT)对低剂量CT图像进行单层分解,并对高频图像训练字典,然后利用等效视数对字典进行分区得到伪影字典和特征字典,并只对特征字典原子进行稀疏编码,经过小波逆变换(Inverse Stationary Wavelet Transform,ISWT)得到处理后的CT图像;然后,采用双边滤波器对处理后的CT图像进行分解并训练高频图像字典,通过等效视数判别法来摒弃伪影字典,从而去除高频图像残留的伪影和噪声,达到抑制条形伪影的目的。实验结果表明,本章算法在抑制条形伪影的同时保留了更多的边缘和细节信息,并且具有较高的结构相似性和峰值信噪比。