计算机断层扫描成像（Computerized Tomography,CT）是结合了当代核物理学和图像技术理论而产生的一门新兴的交叉学科,目前在医学和工业领域的发展很迅速。受金属植入物的影响,真实物体和CT重建后的图像之间存在一些差异,这些差异反映为重建图像上的金属伪影。金属伪影损害了图像质量,对图像的后续再处理及分析过程造成了严重的危害,因此,去除图像中的金属伪影一直是CT领域中的热点问题。本文首先综述了国内外在CT图像金属伪影校正领域的相关研究成果,分析了产生金属伪影的基本原因,叙述了CT成像原理、重建过程的基础理论和两种常用的重建算法。针对CT图像金属伪影校正问题,主要完成了以下几项工作:（1）详细介绍了几种主流的金属伪影校正方法的理论和实验验证。线性插值法简单高效,在金属结构比较简单的情况下具有很好的效果;迭代修正法应用线性插值法和全变分滤波,解决了插值法引入二次伪影的问题,又减少了迭代法的计算次数。基于深度学习去除金属伪影的方法具有非常好的校正效果,能很好的保持金属附近的组织结构。（2）应用几种图像修复方法对金属伪影进行去除。针对修复图像中较小面积缺损区域的问题,详细阐述了BSCB方法、TV方法、CDD方法、自适应TV方法这四种模型的数学理论。针对修复图像中较大面积缺损区域的问题,首先分析了Criminisi算法的具体步骤以及Wu等人提出的一种CIEI模型,该模型可以较好的保持图像的基本结构;最后,结合CIEI模型和基于连续性约束的Criminisi算法中计算得到的数据项,分配合适的参数作为最终的数据项。实验结果表明,这几种方法在去除金属伪影时都具有不错的效果。（3）在迭代校正法的基础上进行了改进,提出了一种基于引导滤波和相对全变分的金属伪影校正算法。本文算法的基本步骤是采用阈值分割法获取目标金属投影区域,然后采用线性插值法对目标金属投影区域进行插值补全,再通过滤波反投影算法进行CT重建获得初始校正结果,在图像域使用相对全变分滤波进行边缘保持平滑,再使用引导滤波结合原始图像的结构信息,这两个步骤可以逐渐优化图像质量,经过多次迭代获得最终结果。实验结果表明,本文算法去除了图像中绝大多数的金属伪影,金属周围的组织结构也得到了保持,而且没有产生其他新的伪影。