目前,放射治疗是癌症治疗中非常重要的手段之一,其核心问题是“精确化”。放疗计划系统是连接放射治疗硬件设备与放射治疗临床实施之间的纽带,是制定放射治疗方案必不可少的软件系统,是放射治疗精确化的基本保障。自动化程度高、时间复杂度低、精确、鲁棒的医学图像配准与分割技术是放疗计划系统中的核心技术。本文结合典型放疗计划系统的需求和医学图像的一般特点,对基本的PV插值、PSO优化以及knockout分割等三个算法进行了研究和有针对性地改进,实验结果表明,改进有效地提高了算法的性能。研究了基于互信息配准中的灰度插值技术,并改进了PV灰度插值算法。基本的PV插值算法会使互信息函数在整数倍位移处产生严重的局部极值振荡现象,这些局部极值将降低后续搜索优化算法的效率和效果,甚至导致搜索结果错误。实验表明,使用PV算法和Cubic算法的加权平均作为改进的算法进行插值,能明显减少互信息函数的局部极值振荡现象,提高互信息函数的平滑度。研究了基于互信息配准中的搜索优化技术,并改进了PSO搜索优化算法。基本的PSO优化算法搜索效率较低:一是,初始粒子的随机性,增加了搜索成本;二是,兼顾全局最优的指导搜索,导致算法在达到精度范围后,不能马上终止,延长了时间,甚至无法收敛到区间内最优位置。实验表明,先将随机初始粒子进行Powell局部优化,再通过PSO算法和NM算法交叉寻优,能有效提高算法的搜索速度和精度。研究了基于数字抠图的软分割技术,并改进了knockout算法的三个方面:针对基本knockout半自动分割技术交互方式不适用于多目标自动前景提取的不足,采用otsu阈值法和区域生长法进行前景颜色样本集的校正;针对基本背景颜色建模方式容易产生误分割的不足,采用负梯度搜索法进行背景颜色样本集的校正;结合医学图像的特点,通过三通道颜色空间变换获得单一亮度分量,推导出alpha在单通道中的计算式。实验表明,改进的算法性能在交互效率、处理速度和精确度等三个方面得到了提高。