医学影像学的发展进程迅猛推进，医学影像技术在现代临床医疗中的角色越来越重要。临床神经纤维的研究中，纤维的走行方向，纤维长度和某领域内的纤维密度是颅内白质纤维束性质研究的重点。磁共振弥散张量图像的质量和配准的性能决定了白质纤维追踪的效果。因此，不论在临床诊断或是医学病理研究中，磁共振弥散张量图像配准都是重要的技术手段。本文重点研究设计了针对弥散张量磁共振成像的基于张量信息的配准方法，提出了更为符合磁共振扫描实际情况的有位移图像的模拟方法，并且针对提出的配准方法在相似性测度的优化算法方面做了改进，以提高配准速度。对以往的张量图像配准方法进行研究。基于互信息的配准方法忽略了张量中包含的空间位置信息，配准精度不高。张量重定向方法的配准过程需要分为两步骤进行，配准效率较低。在此基础上，本文提出了基于弥散张量重叠率的相似性测度，使得配准精度大幅提高。文章探讨了图像在几何变换后的插值方法，比较了三种常见的插值方法。最邻近插值法和双线性插值法重构出的图像其相似性测度随着几何变换参数的变化产生多个局部极值，不利于提高配准效率。实验结果显示部分体积插值法解决了这个问题。文章提出了一种混合优化算法，该方法融合了遗传算法和Powell的优势，有效缩短了优化时间。单纯的Powell算法会因为过早收敛于局部极值而导致配准精度低，传统的遗传算法求解时间太长，配准效率低。本文改进的优化算法在可以接受的时间范围内，保证了配准的精度的前提下，缩短了配准时间。其性能的改善在对于脑白质神经纤维追踪等应用中有较大意义。