随着医学影像技术的发展,基于医学影像技术的图像配准发挥着越来越重要的作用并成为近年来的研究重点、热点。医学图像配准主要将CT图像、核磁共振MRI、PET(Positron Emission Tomography)等影像用于图像匹配、图像融合及立体定向放射治疗等方面。医学图像配准是为了实现一幅图像与另一幅图像通过寻找一种空间变换,使两幅图像的对应点达到空间上的一致,从而使两幅图像进行融合和匹配。然而,实际应用表明,医学图像配准在配准精度、速度、自动化以及鲁棒性等各方面仍面临诸多困难和挑战。为此,本文针对脑部医学图像通过传统弹性配准方法在医学图像应用上计算量大、处理速度慢等问题进行了研究,分别对互信息与Demons配准算法进行了总结并在原理论的基础上提出新的改进方案。通过实验结果可以得出,改进方案在稳定性,鲁棒性等方面均有明显的提高。本文的主要工作和研究成果如下:(1)考虑图像局部轮廓和全局变化信息,提出一种基于活动轮廓模型的医学图像配准方法,该方法结合三次B样条插值、活动轮廓模型、互信息和LBFGS的优化算法针对脑部图像实现配准,实验结果证明新算法与传统算法相比效果更好。(2)研究Demons衍生出的系列经典配准算法在医学图像上的应用,发现其存在计算复杂、方向信息不足等问题。为此,我们提出一种基于小波变换理论的频域Demons配准处理方法,利用小波变换能够对各个尺度、方向和位置实现较好定位的优势,通过高频、低频的图像变换反映出图像的特征信息。实验结果证明了算法是有效的并且具有很强的鲁棒性。