目前,我国正在逐渐步入老龄化社会,痴呆的患病率不断升高,而阿尔茨海默病（Alzheimer disease,AD）是老年期痴呆最常见的一种类型。阿尔茨海默病是一种不可逆的慢性进展性疾病,现有的治疗措施均不能逆转其病情的发展,因此,有效地预防阿尔茨海默病的发生是现在迫切需要解决的问题。神经影像学研究表示,还在潜伏期的AD患者的脑白质结构已经发生异常,与确诊后的患者白质结构很相似,但是潜伏阶段的灰质比较完整^[1]。弥散张量成像（Diffusion Tensor Imaging,DTI）是目前唯一能够在活体检测白质密度或者完整性的技术。因此,DTI为早期检测AD提供了可能。而由于DTI本身成像技术的原因,磁场的不均匀会使图像扭曲变形,采集过程中患者微小的头动也会产生伪影,影响了对DTI的定量分析。而图像配准能够解决头动问题,使一序列图像达到空间上的对齐,从而提高诊断率,因此本文主要研究DTI图像的配准。DTI图像与一般的MRI图像不同,DTI在数学意义上是一个三维的二阶张量,具有复杂性与高阶性,因此传统的配准方法,例如基于相关系数（Correlation Coefficient,CC）、互信息（Mutual Information,MI）、归一化互信息（Normalized Mutual Information,NMI）的相似性测度与基于牛顿迭代法（Newton Iterative Method,NIM）、鲍威尔算法（Powell）的优化算法的配准方法,忽略了空间信息以及DTI高维的特性,容易出现误配准。为了解决这些问题,本文将多个纹理特征组成一个特征矩阵,提出了基于纹理特征的欧氏距离与归一化互信息差值的相似度测量准则,并针对鸡群优化算法在解决高维问题时因为母鸡的寻优能力差使算法容易陷入局部极值的问题,提出了一种改进的鸡群优化算法,即结合混沌思想的遍历性初始化鸡群位置,将母鸡的位置更新公式改为向全局适应度值最好的公鸡学习,并引入学习系数来避免陷入局部最优。本文采用三维刚体变换,变换后采用B样条插值进行图像重建,将提出的纹理特征的欧氏距离与归一化互信息的差值作为相似性测度,并用改进的鸡群优化算法进行参数寻优。实验结果表明,本文算法使得配准精度提高,达到较好的配准效果。