在磁共振的基础上，施加双极性梯度脉冲对分子的弥散运动进行编码，得到弥散加权图像(Diffusion Weighted Imaging，DWI)，进而施加多个梯度方向获取DWI图像，得到每个体素的弥散张量的成像过程，称为磁共振弥散张量成像(Diffusion Tensor Magnetic Resonance Imaging，DT-MRI/DTI)。 DTI是唯一可在活体显示脑白质纤维束的无创性成像方法，是研究脑功能、脑发育与诊断白质病变的一种重要工具，所以在理论研究和临床应用领域引起了极大关注。但是在获取DWI过程中由于噪声的影响，张量也往往包含了噪声干扰的成分，最终影响纤维追踪及部分各向异性(Fractional Anisotropy，FA)正确性。因此，对DWI图像进行去噪是进行理论和应用研究的关键步骤。目前，DTI图像去噪还没有形成一个统一“金标准”，为了寻求符合DTI图像特征的去噪方法，进行了本论文的研究工作。论文的研究工作主要如下：一方面，对DWI图像进行去噪算法的研究。研究了LPG-PCA(Local PixelGrouping-Principle Component Analysis)算法，根据DWI噪声的模型，本论文提出将LPG-PCA应用到DWI去噪中，和一些经典及新兴的算法进行对比，LPG-PCA方法在峰值信噪比上都高于其他算法，在边缘保护系数上能与其他相抗衡。更重要在于LPG-PCA去噪后的DWI图像计算得到主特征向量方向更加一致，所以本算法更有利于纤维追踪。但是同时存在着个别主特征向量的方向的走向不一致的情况，说明DWI滤除后还是存在一些噪声，使得计算的特征值和特征向量存在一些偏差，所以有必要对FA再进行去噪处理。另一方面，在DWI图像去噪的基础上对FA图像进行去噪算法的研究。基于体素分析(Voxel-Based Analysis，VBA)的FA图像之前预处理都是各向同性的高斯滤波器，而且都是基于FA进行去噪，噪声滤除是以模糊图像细节信息为代价。本论文提出先对DWI进行去噪，再用本文提出的各向异性滤波器对FA图像进行去噪，然后再进行VBA分析，本文从峰值信噪比和边缘保护系数两个方面验证了实施的可行性，能够为VBA分析提供高质量的图像数据。本文先在DWI去噪的基础上再FA进行去噪，能够取得很好地滤除噪声，并且能够较好的保护图像的细节信息，得到高质量的FA图像，利于后续的使用及分析。