从上世纪七十年代末开始,对于能谱CT的探索脚步从未停止。从无法分辨X射线能量的常规CT(Computed Tomography)到分辨两个能谱的双能CT(Dual energy CT,DECT),又从DECT到真正意义上可以区分多个能量通道的能谱CT(Spectral CT)。能谱CT利用穿过被测物体的X射线不同能量下的透射数据,提供比常规CT更丰富的影像信息,在提高软组织对比度、低剂量成像、组织定量分析等许多热点领域都蕴含着巨大的应用潜力。DECT是能谱CT最广泛的实现形式,相较于常规CT,其优势在于去除X射线射束硬化效应(beam hardening effect),获取包括物质的电子密度和有效原子序数在内的多参数信息。本文首先完成了一种基于投影分解的DECT成像数值仿真方法,该方法采用直接求解投影函数方程的策略来获得分解系数投影,进而得到多个参数重建图像。由于实际被扫描物体的组成成分极为复杂,双物质分解难以实现更进一步精准的物质区分。为了适应真实的扫描情况,得到更多组分的成像,本文提出了一种基于广义逆和最优解判据的DECT多物质分解算法,记作MMD-POSC(Multi-material decomposition based on Pseudoinverse and Optimal Solution Criterion)算法。对于利用双能CT求解两个组分以上密度图的不适定问题,MMD-POSC算法通过结合质量体积守恒约束条件,将其转换为适定问题。并且,MMD-POSC算法采用逐像素求解的思路,从材料库中按照最优基选取准则为每个像素选取一组最优解。最后利用基物质分解系数重建被扫描物体的多参数分布信息。数值仿真实验和实际数据实验都证实了算法的有效性。以基物质分解模型为基础的双物质分解在不存在K吸收边(K-edge)的情况下,可以对物质的线性衰减系数(the linearattenuationcoefficients,LAC)进行准确描述。然而对于某些物质,其线性衰减系数存在K边缘不连续性,原先利用光电截面和康普顿截面线性组合来描述的线性衰减系数不足以准确描述物质的衰减特性。将线性衰减系数具有K边缘不连续性的元素考虑在内,本文提出了一种K-edge特性能谱CT(KCT)的三物质分解数值仿真算法。该算法在能谱选择环节,考虑到K-edge效应,需要选取合适的能谱值;在投影分解环节仍然采用直接计算的方法获得基物质分解系数投影值。本文还进一步,将双能CT的MMD-POSC算法扩展到K-edge特性能谱CT中,形成一种KCT多物质分解算法,记作KMMD-POSC算法。实验研究表明:在包含K-edge效应时,K-edge特性能谱CT的KMMD-POSC算法明显优于双能CT的MMD-POSC算法。