非刚性图像配准是计算机视觉中的关键技术之一,在医学图像处理和模式识别等领域有着广泛的应用。传统Demons算法仅仅依靠图像的梯度驱动浮动图像向固定图像移动,相似度度量函数中只有灰度相似性约束,导致图像在弱纹理或者灰度均匀的区域难以准确配准,精度往往较低。为了解决上述问题,本文提出基于边窗分数阶微分和特征结合的一致性约束Log Demons算法。使用边窗分数阶微分模板计算图像梯度来提高图像在弱纹理和灰度均匀区域的梯度。提取图像的Gabor特征构建特征相似性约束融合到Log Demons的配准函数中,将先前迭代过程中的更新形变场作为形变一致性约束加强当前的更新形变场大小,解决形变场驱动力不足的问题。通过以上改进方法,实现了基于Log Demons的高精度配准算法。本文的主要工作包括:1.提出了基于边窗分数阶微分梯度的Log Demons算法。根据G-L型分数阶微积分定义设计分数阶微分模板,与图像进行卷积得到分数阶微分梯度,取代Log Demons算法在最小化配准函数过程中使用到的整数阶梯度,从而提升图像在弱纹理和弱边缘区域的配准精度。引进边窗滤波思想改进模板在图像边缘区域计算梯度的方式,改进后的模板能够增强边缘上的像素梯度,更好地驱动浮动图像边缘上的像素移动到与固定图像对应的位置。2.提出了基于Gabor特征相似度约束的Log Demons算法。Gabor特征可以提取图像的几何纹理特征,并且对光照变化和含有噪声的图像不敏感,Log Demons算法只有灰度相似性约束,并没有充分考虑图像特征之间的约束关系对于配准的作用,新的相似度度量函数引入了Gabor特征相似度,可以显著提高配准图像之间的几何结构相似性。3.提出了基于形变一致性约束的Log Demons算法。针对Log Demons算法在灰度均匀区域难以获得准确的更新形变场驱动图像移动,本文提出将与本次迭代相邻的多个更新形变场作为形变一致性约束信息融合进Log Demons算法中。该约束的加入可以有效地增大更新形变场的强度大小,减少灰度变化不大带来的驱动力不足的影响。本文提出的方法在合成图像、自然场景图像和脑图像三个不同的数据集上进行了测试,均取得了良好的结果,配准性能优于当前主流算法Log Demons、LDDMM和Spectral Log Demons,实验结果验证了本文方法的有效性。