基于光子计数探测器的多能谱计算机断层成像技术(CT),能够获得多个能量段的能谱信息,在材料识别方面有着独特的优势。由于窄能谱探测及光子计数探测器存在一致性差的问题,多能谱CT图像中含有较多的噪声和伪影,这不利于材料的分解与识别。因此从重建的角度出发,改进了传统张量字典学习(TDL)方法,提出一种基于图像总变分(TV)和TDL的图像重建算法,简称TV+TDL。该算法不但继承了TDL 算法在刻画各个能量通道图像之间相似性的优势,而且通过引进TV作为正则项,可进一步恢复图像微小结构和细节并有效地抑制噪声,提高材料分解精度。仿真实验结果表明,TV+TDL算法能够有效重建高质量的多能谱CT图像,并成功实现基材料模型下的材料分解与识别,从而验证了该方法的有效性和实用性。

针对传统的X射线CT系统因采用积分探测器难于鉴别材质的关键技术问题，基于MARS系统的X射线能谱CT，开展了X射线能谱K-edge特性的CT成像技术研究。通过对单一材质和混(复)合材质组成的物理模型的多个X射线能量段进行CT断层扫描，获得了材质的K-edge特性曲线，以此重建出了材质的CT图像。借助材质K-edge特性的CT断层图像，可以进行材质的鉴别分析或进行更多的材质认知信息的分析研究。与传统的X射线CT技术相比较，它可以提供更为丰富的X射线衰减信息。

选择基材料是高能双能X射线基材料分解法的重要环节。为了解基材料对材料识别精度的影响, 确定选择基材料的方法和原则, 利用美国国家标准与技术研究院(NIST)给出的材料的线性衰减系数, 选择不同基材料, 分析计算了各种待检测材料的原子序数和电子密度及相对误差。归纳总结出选取基材料的“临近原则”, 即基材料与待检测材料的原子序数接近, 能提高待检测材料原子序数和电子密度的分解计算精度。在此基础上, 提出了四能基材料分解法。理论计算表明四能基材料分解法比双能基材料分解法对多种材料的整体识别精度更高, 更适合用于多种材料同时存在情况下的识别与检测。运用蒙特卡罗方法模拟验证了四能基材料分解法用于实际的可行性。