医学图像配准是医学图像处理领域中的一个重要课题,在医学领域有广泛的应用。医学图像配准技术已经研究了几十年,研究人员提出了多种配准算法。这些算法主要可以分为两类:刚性配准算法以及非刚性配准算法。其中刚性配准算法的研究已经十分成熟,目前已在临床治疗中广泛使用。刚性配准算法只适用于具有固定形态的人体器官图像的配准。与之相比,非刚性配准算法更适用于人体器官组织图像的配准。但是现有的非刚性配准算法还存在很多不足之处,仍需要不断改进,是当前的研究重点。　　Demons算法是一种优秀的非刚性配准算法,由于实现简单以及配准速度快等优点,该算法吸引了国内外许多学者对其进行研究。针对Demons算法存在的一些问题,研究人员提出了多种方法以提高该算法的性能。我们在对Demons算法细致分析的基础上，在实验中发现该算法对灰度非均匀场很敏感:原始的Demons算法不能对受到灰度非均匀场影响的图像进行有效的配准。本文首先分析了导致算法失效的内在原因:原始的Demons算法中使用的相似性度量函数是差值平方和函数,该相似性度量函数假设待配准的图像对应点的灰度值基本相同,但是受灰度非均匀场影响的图像不再满足该假设,从而导致算法失效。　　然后我们研究了计算机视觉领域最近提出的残差复杂性相似性度量函数。该相似性度量函数在待配准图像之间引入了一个灰度校正场。该函数认为图像的像素之间是存在关系的,而差值平方和函数认为像素是独立的。当图像受到灰度非均匀场影响时,我们认为使用基于马氏距离的残差复杂性函数比基于欧氏距离的差值平方和函数用于配准时更合理。本文通过将残差复杂性函数与Demons算法进行结合以解决原始Demons算法存在的问题。通过实验证实我们提出的算法可以很好的对受灰度非均匀场影响的图像进行配准。另外,对于未受灰度非均匀场影响的图像的配准实验,也表明我们提出的算法的配准精度要高于原始Demons算法。多分辨率技术可以有效的提高配准算法的收敛速度,在实现算法的时候我们使用了高斯金字塔多分辨率分析的方法。