近几年阿尔茨海默病（Alzheimer’s disease,AD）的患病人数不断上升,目前全世界约有5000万AD患者,我国约占其中的25%,AD患者临床表现为记忆障碍、失语、失认等,给患者家庭带来沉重的心理影响和经济负担。弥散张量成像（DTI）依据水分子的弥散程度制图,通过纤维束追踪可有效揭示AD患者大脑中脑白质的结构变化,对于AD患者的早期预防和诊断具有重要的研究价值。基于DTI图像的纤维束追踪最重要的前提条件就是DTI图像的配准。Active demons算法由于其完整的数学理论而被广泛应用于图像配准领域。本文实现了变参数Active demons算法的DTI多通道图像配准,但其存在收敛速度慢、配准精度不足的问题。本文沿着提高算法收敛速度和配准精度两个角度出发提出变惯性系数Active demons算法,在驱动力的迭代公式un前加入惯性系数b,然后动态调整b的取值,提高了算法的收敛速度和配准精度。在此基础上发现当平衡系数和惯性系数都取变值时,单一均化系数的取值无法兼顾配准的大小形变造成配准精度的降低,为了减小这一问题对配准结果的影响,提出基于全变量的Active demons算法,将均化系数、平衡系数和惯性系数都取多个变值称为全变量取值法,进一步提高了配准精度。但是当图像的灰度梯度信息趋向于0时,会造成图像梯度信息缺失进而减弱驱动力的强度,为了解决梯度信息缺失的问题,本文将平均梯度余项引入变惯性系数Active demons算法的驱动力公式中补充图像配准的梯度信息,提出基于全变量平均梯度余项的Active demons算法,进一步提高了配准精度。本文将Active demons算法,MSE极值法,变参数Active demons算法,改进学习因子PSO的Active demons算法,变惯性系数Active demons算法和基于全变量平均梯度余项的Active demons算法六种算法做了实验对比,实验结果表明,本文提出的基于全变量平均梯度余项的Active demons算法取得最好的MSE值,并且在提高精度的同时保持了配准图像的拓扑结构。