医学图像配准是一种将两幅医学图像进行空间位置匹配,以达到图像间同一解剖位置在空间上对齐的图像处理技术,是人体组织和器官图像分割的一个重要步骤。海马体是人脑中的重要器官,对海马体的精确分割是诊断与海马体相关疾病的重要手段。由于海马体形态较为复杂,在磁共振(MR)图像中表现为与相邻组织的边界不清晰、灰度值接近,对海马体图像的配准一直是医学图像配准领域的难点问题。图像配准包括图像预处理、空间变换、相似性度量、迭代求精等多个步骤,其中相似性度量是影响配准精度的关键因素。传统的配准方法未考虑分割目标的位置和尺寸信息,如果在分割海马体这类组织的实际应用中,配准时能借助分割目标的位置和尺寸信息,其配准结果将对提高分割的精度有实际的帮助。在此基础上提出了一种以分割目标为导向的使用加权最大互信息的配准方法,用以实现基于图谱方法的脑MR图像海马体的分割。该方法首先通过构造图像掩码为图像设定以目标为中心的感兴趣区域,然后在感兴趣区域内通过权值图为目标对象及其近邻像素赋予不同权值,从而实现以分割目标区域的最大互信息为主的相似性度量标准、改变了传统的以整幅图像是否对齐为标准的配准方法,这种新方法实际上是在牺牲整体图像的配准精度的情况下提升分割目标区域的局部配准精度,从而实现对目标的精确分割。此外,还根据医学图像的特性提出了一种新的改进的配准流程,该流程引用了包括多分辨率采样、复合变换等技术。基于改进后的配准方法,设计了20个轮次的循环对比实验以验证算法的有效性。实验结果表明,使用加权最大互信息的配准方法所得到的分割结果与金标准的Dice重合率较采用传统配准方法提升了约3.4%,计算时间在100秒左右,是一种具有实用性的配准技术。