X射线计算机断层成像(computed tomography,CT)技术自诞生以来在医疗诊断、安全检测及工业检测等领域发挥重要作用。然而CT发展至今,从传统CT到双能CT均有一定局限性,如传统CT图像密度分辨率低和射束硬化伪影问题、双能CT能谱区分度不足问题,都限制了CT技术的应用。随着高计数率、高分辨率的光子计数探测器(photon counting detector,PCD)的问世,从探测器层面提供了解决方案,有望突破应用瓶颈。它提供更精细的能谱信息,使CT成像具有更低辐射剂量、更高图像质量以及更高物质识别能力等特点,能谱CT已成为目前领域内一大研究热点。然而PCD技术还不甚成熟,其不理想物理效应导致的能谱变形等问题,限制了能谱CT性能。本文针对基于PCD的能谱CT系统,对系统标定方法进行深入研究,从PCD能量阈值标定和系统能谱标定入手,降低了PCD非理想因素的影响,同时准确地提取能谱信息,实现定量成像,助力能谱CT更快地大规模投入使用。PCD能量阈值标定是探测器使用的基础与前提,本文提出了在TOT计数模式下,仅用一个单色光源确定了PCD阈值与能量阈值的对应关系。该方法通过建立单个光子在邻域内各个探测器像素的沉积能量为隐参数,以单色光源在邻域内的总沉积能量统计分布为目标约束条件,确定各阈值下TOT计数与能量阈值的数学模型,进而得到各个阈值对应的能量值。整个过程无需建立探测器响应函数模型,并利用探测器本身的能量扩散隐式实现多色信号的采集。实验结果表明了该方法的可行性与准确性,且实验简单易操作。针对能谱CT系统能谱标定问题,提出了一种基于多项式经验模型和两种基于神经网络模型的方法,建立了多能投影数据或多能重建图像与准单能重建图像之间的模型,在标定的同时,还完成了能谱信息提取及图像重建。以上方法均通过在图像域定义数据集合的综合代价函数,优化确定多项式和神经网络模型的参数。且通过掩膜和图像域像素权重平衡数据的分布,改善优化效果。这些方法给标定所需模体材料选择和模体制作带来了极大的便利。数值模拟和实际实验结果均验证了各方法的可行性。定量分析各方法获得的各物质准单能衰减分布的结果表明,基于神经网络模型的方法在准确性、适用性以及在噪声和伪影抑制上的表现均优于基于多项式经验模型的方法。