扩散张量成像（DTI）可在不同方向上测量人体中水分子的扩散情况，获得组织微结构的重要信息。本文研究工作的目标是提高DTI扩散张量场的质量，产生更精确的纤维跟踪和可视化结果。 在DTI中，扩散张量典型地从一系列扩散加权图像中计算得到。不过，扩散加权图像常受到热噪声和生理性噪声的影响。为了减少热噪声影响，本文提出了一种从扩散加权图像估计扩散张量的新方法。本方法的第一步是对扩散加权图像降噪，降噪算法基于双数复数小波变换和双变量收缩准则。方法的第二步是使用最小二乘法从降噪的扩散加权图像中估计扩散张量。利用合成扩散张量场和真实扩散张量场数据进行了实验，并与张量估计后的平滑方案进行了比较。客观结果和主观评价均可证明，本方法能够很好地改善最终扩散张量场的质量。 此外，为了获得更好的扩散张量场，本文还提出了一种基于约束M估计子（CM）的稳健扩散张量估计方法。利用CM估计子具有高崩溃点数目和高渐进有效性的特性减少生理性噪声。首先，在预处理阶段使用双数复数小波变换和双变量收缩技术减少扩散加权图像中的热噪声影响：然后在考虑张量正定约束的条件下，通过试探法寻找一个合适的回归起点，之后通过最小化目标函数得到DTI扩散张量的CM估计。实验同样在合成和真实张量数据集上进行，结果表明提出的方法可以有效去除热噪声和生理性噪声，对于DTI扩散张量估计很有价值。 扩散张量场正则化对于改进纤维跟踪结果而言是必须的，针对DTI扩散张量场的正则化问题本文提出了一种非线性张量值加权方向-距离滤波方法。首先通过张量间的二次点积定义了张量值图像的方向滤波，然后结合张量中值滤波引入了一个联合最小化准则，在此准则的基础上给出张量值方向-距离滤波器的一般结构，并使用权重矢量在距离和方向域上控制滤波器输出，获得更加稳健的处理结果。在合成二阶张量场和真实DTI数据集上进行了实验。客观结果比较和滤波图像的主观评估表明该滤波方法可在保持张量场细节不变的同时有效地消除噪声，是DTI扩散张量场的一种有价值的滤波工具。另外，根据我们查阅的文献，张量场正则化均在空域进行，由此，本文探索了张量场的频域滤波技术。在引入二阶张量场的傅里叶变换的基础上定义了基本的张量低通、高通滤波函数，同时讨论了频域滤波对纤维跟踪的影响。实验结果表明频域滤波技术对DTI数据分析是一种有潜力的工具。 纤维跟踪可产生神经路径，是扩散张量成像一个极其重要的应用，无论在科研还是临床领域都蕴藏着巨大的潜力。受噪声及低分辨率等因素的影响，纤维的传播方向具有不确定性，尤其是在白质结构变化迅速的区域，如神经交叉、分岔或与其它组织连接处。本文针对这些问题提出了一种纤维跟踪的新算法，在神经路径上低各向异性区域的窄带内搜索新的通路。该算法的优点包括：通过很少的种子点获得大量的纤维束，表现出相对完整的神经子集；可较好地描述纤维交叉、分岔等情况，可表现出纤维交叉、分岔处神经核的部分结构。 DTI数据集的可视化工作具有很强的挑战性。本文引入了DTI数据的拓扑可视化方法。我们将扩散张量磁共振薄层的3D扩散张量投影为2D，仅考虑平面内的扩散情况。对这个2D张量场进行拓扑分析，提取出对应的拓扑结构。矢冠轴位上的胼胝体、丘脑等脑组织拓扑结果表明，拓扑方法可以精确且综合地表现出脑组织的根本结构。与简单的纤维跟踪相比，基于拓扑的可视化结果更加清晰，用简单的点和线表示扩散张量场的复杂结构，能够突出场的连通性。