CT(ComputedTomography)扫描因其非接触式、精确成像等优势,在众多领域都有着广泛的应用。高超声速飞行器是未来军用、民用航天器的战略发展方向,作为其首要关键技术,超燃冲压发动机技术是各国竞相发展的热点领域之一,具有巨大的军事价值和经济价值。基于CT图像重建技术对超燃冲压发动机内部火焰进行精确重构与细致刻画,能够获取发动机推进剂燃烧过程中各组分的瞬时分布信息,对推进剂燃烧率的提高与发动机结构的改进具有重要的参考价值。本课题的研究目标是以发展计算机断层成像技术在高超声速飞行器燃烧诊断领域中的应用为背景,具体研究开发适用于超燃冲压发动机内部三维火焰重构的CT图像重建算法。相关领域通常采用CCD相机作为化学发光计算机断层成像系统的检测器,但由于其造价昂贵,不可能大量架设,因此,如何在稀疏投影角度下获得高质量的重建图像成为火焰重构算法研发的关键。压缩感知理论业已完备地证明,当稀疏信号的采样频率远低于奈奎斯特采样定律时,也可以对原始信号进行精确重建,这为探索欠采样投影条件下的计算机断层图像重建方法提供了新的思路。针对火焰投影数据不完备的特性,本文在压缩感知理论框架下,提出一种适用于火焰重构的迭代图像重建算法,记作CTF算法,将CT图像重建问题转化为有约束的最优化问题,并融合迭代类图像重建技术进行求解。本文基于二维距离驱动的正/反投影技术设计并实现了 CTF二维断层重建算法,并以此为基础向三维空间推广,提出并实现了 CTF直接三维重建算法。3D CTF算法投影过程更符合实际系统成像的物理过程,不仅保留了 2D CTF算法计算精度高、资源占用少的优良特性,同时在一定程度上解除了检测器安装的共面限制。仿真和实际投影数据的实验结果表明,CTF算法能够在稀疏投影数据条件下获得较高质量的重建图像,并且3D CTF算法重建结果比二维算法表现出更高准确性和可靠性。相比解析类图像重建算法,迭代类算法能够在投影数据信噪比低、投影数据不完备、投影角度非均匀的情形下拥有更好的重建性能。但是,重建速度慢也是其难以得到充分应用的最大限制。近年来,随着信号和图像处理领域众多新方法新理论的出现、大规模并行计算技术的发展以及计算机硬件成本的降低,这一限制逐渐被打破。本文中基于CUDA编程架构,结合算法自身特点,完成了 CTF算法的GPU并行实现。测试结果表明,采用GPU并行加速技术,可以大幅度提高CTF算法的图像重建效率。本文开发了两套CTF图像重建应用软件,以更好地支撑超燃冲压发动机内部火焰结构分析的实际应用。