在小動物計算機斷層掃描(CT)實驗中, 因需考慮小動物存活率以及實驗的連續性等問題, 一般較少采用高劑量的X射線進行實驗; 而低劑量的X射線會導致重建圖像被噪聲污染, 影響圖像質量, 不利于后續實驗分析。為解決此問題, 本文介紹了一種基于全局字典學習的降噪方法, 并將其應用于提升低劑量小動物CT重建圖像質量的研究中。針對真實的小動物CT重建數據, 選擇高劑量的小動物CT重建圖像作為訓練樣本, 利用逐列更新的字典學習算法(K-SVD), 構建包含圖像信息的全局字典; 利用正交匹配追蹤算法(OMP)將低劑量重建圖像利用全局字典進行稀疏分解, 分離噪聲, 最后將重建圖像復原, 達到降噪、提升圖像質量、降低小動物CT實驗的拍攝劑量、提高小動物存活率的目的。實驗結果表明, 本文提出的方法能夠有效減少低劑量動物CT圖像的噪聲, 并能夠較好地保留圖像細節。