基于扩散磁共振信号的脑白质纤维成像是目前重构活体大脑组织微观结构的唯一一种非入侵性的方法。在多种扩散磁共振方法中,高角度分辨率扩散成像(HARDI)技术不仅克服了扩散张量模型难以重构交叉纤维的缺点,而且需要较少的扩散采样数量,成为脑纤维成像研究的热点。其中球面反卷积模型作为目前最高效的HARDI成像方法之一,大大提高了纤维重构角度的精确性。然而由于采样体素具有相对较大的体积,在脑组织之间存在不可忽略的部分容积效应,这将导致传统的纤维成像方法的不准确。针对上述问题,本文在经典球面反卷积模型的基础上,设计了新的脑纤维成像模型,同时解决了反卷积模型中球谐函数的高次谐波截断、最小二乘算法的不适定性等问题,本文的主要工作如下:(1)针对脑组织中的部分容积效应问题,提出了一种多响应核函数模型。该模型综合考虑组织中的各向同性扩散信号和各向异性扩散信号得到了新的纤维方向分布函数,从而可以从扩散加权信号中分离出各向同性扩散信号,克服了组织中的部分容积效应,提供了更加精确的纤维方向的估计。(2)基于字典基函数表示纤维方向分布函数,提出了一种新的量化各向同性信号强弱的指标。该指标基于多响应核函数模型,利用纤维方向分布函数的一部分分离出组织中的各向同性扩散信号。(3)提出一种求解多响应核函数球面反卷积模型的Richardson-Lucy(RL)算法。该算法利用额外的先验知识,在模型中增加了全变差正则化和稀疏正则化项解决了最小二乘算法的高度不适定性,保证了纤维方向的非负性。模拟数据和实际人脑数据的实验表明,本文方法可以得到更加精确的纤维重构方向,显著提高了纤维角度分辨率,并且新的量化指标相比较FA,GFA等表现出更好的特性。