随着医学成像技术在临床诊断和治疗中的广泛应用和不断发展,目前实际应用中存在很多种医学成像模式,可以分为描述生理形态的解剖成像模式和描述人体功能或代谢的功能成像模式。PET-CT系统是结合了全身的解剖结构信息和功能代谢信息的互补成像技术,综合了PET和CT图像的双重优点,通过图像配准技术的处理可将多种模态的图像互补信息更好的融合在一起,获得病人多方面精确的综合信息,为医生提供更丰富的临床信息,以提高临床疾病的诊断和治疗水平。医学图像配准技术是近年来在医学图像处理领域中的重要分支之一,也是图像融合和多模图像分析中要预处理的关键技术,随着数字图像处理和计算机技术的进步与应用,医学图像配准技术得到了迅速的发展。根据临床应用的需求,需要提高医学图像配准技术的精度和速度,以满足实际中快速精确的定位肿瘤靶区位置,减少摆位误差等要求。本论文以PET-CT多模成像系统为研究对象,改进和解决了这种多模成像技术中配准算法存在的一些问题,对多模图像的配准算法进行了深入地研究,并将提出和改进的算法应用到临床的肿瘤放射治疗中,精确定位肿瘤放射治疗计划系统中的肿瘤靶区位置,在保护正常组织器官的基础上,提高患者的放射治疗效果。基于光流场的Demons的配准算法速度快,精度高,但是此算法依靠图像间的灰度差和灰度梯度使图像发生形变配准,对多模态图像的配准有局限性,因此我们利用图像的灰度梯度信息驱动图像形变之外,使用图像间的互信息对当前变换的梯度作为"Demons"力的一个附加力,驱动浮动图像向互信息增大的方向与参考图像达到形变配准。实验结果表明,基于互信息梯度的Demons配准方法可精确定位肿瘤靶区,提高了放射治疗的精度和效果。基于B样条的FFD配准方法精度高但速度较慢,我们结合肿瘤图像的特征,在图像的整体信息上存在摆位误差,而在肿瘤区域和周围的正常组织器官处存在由于呼吸和心跳运动引起的不规则误差,因此我们对整体图像使用大间距网格点,采用全局的刚性配准算法使摆位误差降为最小；对内部肿瘤区域使用小间距精细网格点,使用基于B样条的FFD算法,这种基于非均匀网格点的形变配准算法不仅保证了肿瘤图像配准的精度,同时提高了配准速度。