计算机断层成像（Computed Tomography,CT）是一种能够将物体内部断层结构信息以二维、三维的方式进行呈现的无损检测技术,近年来在地质领域得到了一定的应用。岩矿地质样品是矿产资源的载体,基于CT技术,精确刻画岩矿地质样品的孔隙结构,对于研究成矿带的系统结构具有重要的参考价值。然而,由于岩矿样品中存在高密度金属物质,导致重建CT图像中出现大面积的暗带区域或者黑白相间的放射状条纹（金属伪影）。金属伪影的存在会严重降低CT图像质量,影响岩矿样品相关参数计算（例如孔隙度）,因此研究如何抑制CT图像中的金属伪影无疑具有重要的理论意义和实用价值。本论文研究工作以中国地质科学研究院提供的地质样品进行工业CT检测项目（所属课题编号:2019YFC0605203）为依托,从岩矿样本入手,利用工业CT技术,主要围绕岩矿样品金属伪影校正和岩矿样品的孔隙度计算两个方面,基于深度学习方法,研究了一种融合了投影域增强和图像域增强的金属伪影校正网络,开展了岩矿样品CT图像的金属伪影校正处理和分析,计算了其孔隙度。本论文的主要研究内容包括:（1）针对传统金属伪影校正（Metal Artifact Reduction,MAR）算法进行伪影抑制时将引入新的伪影等关键技术问题,本文提出了一种基于双域自适应网络的CT图像金属伪影校正算法（DDA-CNN-MAR）。该网络以残差编解码网络（RED-CNN）网络为基础,由投影域增强图像、投影层、图像域增强网络以及反投影层四部分组成。“投影层”表示投影操作算子,其将输入图像通过投影的方式映射至投影域,得到图像的正弦图;“反投影层”表示反投影操作算子,其将投影域的正弦图通过反投影的方式映射至图像域,得到重建后的图像;投影域增强网络以及图像域增强网络均为RED-CNN网络结构,投影域增强网络输入的是正弦域投影,图像域增强网络输入是图像域上待增强的图像。LI-NMAR为插值校正模块,能够对输入的图像在正弦域进行插值校正。模型的输入包括带有金属伪影的图像,经过投影层后变为正弦图,在通过LI-NMAR后,先、后输入投影域增强网络和图像域增强网络,最后得到经过校正的CT图像,借助于SSIM、PSNR、MSE三种评价指标对于生成的图像进行定量分析。实验结果表明,相较于RED-CNN-MAR,本文提出算法的SSIM值和PSNR值分别提高了1.97%和3.61%,MSE值降低了43.16%,视觉效果亦是最佳。（2）立足于校正后的CT图像,开展了岩矿样品孔隙度计算研究。首先对岩矿样CT图像进行ROI边缘检测,通过引入峰值信噪比、主边缘链数、ROI熵值等参量对CT图像的边缘检测进行定量评测,得到了较好的边缘检测结果。进而,依据岩矿样品CT图像中固体物质和孔隙成分相差悬殊的特征,本文提出了一种改进的最大类间方差阈值（OTSU）分割方法。相比于传统的OTSU阈值分割方法,本文提出的算法能够防止传统OTSU算法中的阈值失真问题,实现了对岩矿样品的有效分割。（3）设计了一套基于微焦点CT图像的岩矿样品孔隙度计算分析软件,实现了岩矿样品孔隙度等参数的计算。