随着现代计算机科学技术和医学影像技术的迅速发展,医学图像已成为辅助医生进行临床疾病诊断以及治疗的前提条件。然而每种医学成像设备都有各自的优势和不足,且人体的不同组织器官所具有的特征并不相同,所以不存在某一种医学成像设备就能够直接为人体做全方位的检查并进行疾病的诊断,而综合来源于不同医学成像设备的图像信息能够相辅相成、互为补充。因此在临床中通常需要综合利用病人的多种图像信息来对疾病进行精确的诊断和治疗,医学图像配准技术为此提供了重要的技术支撑。基于灰度Demons医学图像配准算法,配准过程中利用了图像全部的灰度信息避免了过多人工干预而带来的误差,是一种全自动的高效配准算法,因此在医学图像配准领域中备受研究者的青睐。本文从临床诊断和治疗的需求出发,对基于Active Demons的医学图像配准方法进行了研究及改进,主要研究工作如下:(1)针对Active Demons算法仅用于单模态图像配准、当图像灰度梯度值很小的情况下浮动图像形变方向无法确定造成误配准的问题,引入了精确直方图规定化的理论,并对Active Demons医学图像配准算法进行了改进。该方法首先利用精确直方图规定化将浮动图像进行模态转换,消除了不同模态间图像的灰度差异;其次根据对称性原理对图像灰度梯度信息作平均化处理,并用双边滤波器来替代高斯滤波器进行正则化变换;最后为了提高配准结果的精度和算法的运行效率,将图像多分辨率策略引入到配准算法中。实验结果说明,该算法不仅能适用于不同模态图像间的配准,而且配准的精度和效率都有所提升。(2)为了更进一步提高医学图像配准算法的精确性,针对Active Demons算法仅仅适用于同模态图像间的配准,并且图像的灰度梯度值很小的情况下易导致误配准的问题,引入了局部熵的原理,改进了Active Demons医学图像配准算法。该方法首先将参考图像和浮动图像转换成同种模态图像,即局部熵图像;然后使用在Active Demons上分别加入浮动图像与参考图像灰度梯度值平方的改进Active Demons算法进行配准,正则化变换时同样采用双边滤波器来替代高斯滤波器,使得配准后图像边缘细节信息保持较好。实验结果说明,该算法一定程度上提升了配准结果的精确度,同时也提升了图像质量。