随着物理学与生物科学理论的不断完善以及放射治疗技术的快速发展,放射治疗已成为治疗肿瘤的主要手段之一。目前,基于锥形束CT(Cone-Beam CT,CBCT)成像系统的图像引导放射治疗(Image Guided Radio Therapy,IGRT)可以达到提高放疗精度的目的。通常,CBCT兼具实时性好、灵敏度高、使用方便等优点,与计划CT图像配准融合后可更加充分地发挥上述优势。但是,CBCT图像的弱边缘由于受噪声的严重影响而变得不清晰,并且图像低对比度区域的分辨率较差,这增加了诊断难度。同时,现阶段临床CBCT图像与计划CT图像的配准多是由医技人员手动完成,这必然会在一定程度上降低放疗精度。本文在分析比较现有的医学图像去噪及多模配准方法的基础上,提出了基于系数分类的CBCT图像去噪算法和基于特征向量的CBCT图像与计划CT图像的弹性配准方法。本文在这两方面的主要工作和创新点如下：1.基于系数分类的CBCT图像去噪(1)根据CBCT图像的成像原理及噪声分布特点,在小波模极大去噪理论的基础上,提出了一种快速且易实现的基于系数分类的CBCT图像去噪方法。对测试图像与临床CBCT图像的去噪结果表明,该算法能够在保留重要诊断细节的同时有效地抑制CBCT图像中的噪声。此外,该算法无需对IGRT设备做任何改进,降低了临床推广的难度。(2)对二进小波的噪声分布特点进行了研究,推导出二维二进小波尺度间噪声标准差关系公式,并提出了CBCT图像的噪声方差估计公式。实验证明,使用该公式可以增强去噪算法的边缘保护效果,与Donoho提出的经典稳健中位数法相比,本文提出的噪声方差估计公式去噪效果更优。(3)针对二进小波细节子带方向性明确的特点,提出了基于方向窗的维纳滤波方法,对不同类别的小波系数使用不同参数的维纳滤波。该方法可以有效地保留CBCT图像中的边缘信息,减少去噪伪影,并能得到更高的峰值信噪比,进而有更好的视觉效果。2.基于特征向量的CBCT图像与计划CT图像的多模弹性配准(1)CBCT图像中的噪声是影响CBCT图像与计划CT图像配准结果准确性的主要因素之一。对现有的基于特征向量的图像配准算法(改进的HAMMER算法)的不足进行了分析,使用边缘检测和定位性能较好的Canny算子替代对噪声较为敏感的梯度幅值,与灰度值和LoG算子组合成新的特征向量。实验结果表明,与梯度幅值相比,Canny算子可以更好地辨别CBCT图像中的强边缘,有效地避免了散射线所带来的噪声干扰,进而使用改进后的特征向量可以提高配准算法精度。(2)提出了一种重要特征点自适应选取的方法,该方法可以自适应地选取最重要的特征点,从而减少了配准所需的重要特征点数目,降低了计算冗余度。同时,可以根据期望得到的配准效果选取配准参数,快速准确稳定地实现CBCT图像与计划CT图像的多模弹性配准。(3)给出了特征向量权重选取的准则,即提高强边缘特征在特征向量中的比重。实验结果表明,利用该准则可以提高定位CBCT图像边缘特征点的准确性,使配准后的两幅图像具有更高的互信息值。