小儿脑瘫疾病的发病率越来越高,目前对小儿脑瘫疾病的计算机辅助诊断研究大多还处于理论的研究阶段。随着计算机技术的飞速发展,计算机辅助诊断方法已经成为医学影像、诊断放射、计算机科学中的重要研究领域。研究表明图像分割在医学图像分析中起着至关重要的作用。医学图像分割的目的是将一幅图像分成不重叠的多个区域,各区域对应个体明确的解剖结构。配准技术是将医学先验知识融入分割过程的一个重要途径,即基于配准的分割。该类方法采用配准得到模板图像变形为浮动图像的空间变换,然后利用这个空间变换将与模板图像对应的已知分割结果,即由图谱信息映射到目标图像,从而得到对目标图像感兴趣的区域的分割。本文首先对医学图像进行了刚性配准算法研究,以互严格凹函数测度为相似性测度、采用3阶B样条插值对脑部MR图像进行刚性配准,较好地抑制医学图像配准中的局部极值问题,获得更高的配准精度,解决了由于婴幼儿头部的扭动而造成的MR图像旋转和平移问题。然后对非刚性Demons配准算法进行了细致的分析和改进,就灰度与空间标准化、变形场的正则化、多分辨策略对配准算法的性能影响等问题展开研究,研究改进了驱动力的权重系数,使得算法在处理大变形图像的非刚性配准时,能够同时考虑形变对图像灰度及梯度的影响,并以此为依据对驱动力参数进行判断,从而在处理脑MR图像大形变配准问题时取得了更高的精度。最后,利用本文的配准算法对脑组织和深层脑结构进行分割,采用配准得到模板图像变形为浮动图像的空间变换,然后利用这个空间变换将与模板图像相对应的已知分割结果映射到浮动图像,从而得到对浮动图像感兴趣区域的分割,并与传统算法分割结果进行定性和定量对比分析。通过实验测试表明,本文基于配准的婴幼儿脑组织分割算法能快速准确的分割脑组织和深层脑结构,较传统的分割提取算法无论是效率还是分割结果上都有较明显的改进,具有实际应用价值。