随着科学技术的发展，越来越多的图像模态被用于辅助临床研究，扩散张量成像(Diffusion Tensor Imaging)作为一种新兴的功能性成像方法，正被广泛用作精神科疾病研究和诊断的辅助手段，其在描述潜在的脑白质病变方面有着无可替代的优势。DTI技术是一种活体检测水分子弥散运动的方法，在成像过程中有多种因素可能导致采集的数据信息与人体的实际情况之间的误差，因此图像在用作诊断依据前需要进行配准，以尽可能真实地还原人体组织信息。一般标量图像的配准过程需要一个变形模型、一个插值方案、一个相似性测度和一个正则化方案。由于DTI的数据采集方式与数据存储形式的特殊性，现有的基于标量图像配准方法无法直接应用于DTI图像的配准工作中。本文根据DTI图像特点，首先研究了DTI成像原理，然后分析了DTI数据在后期处理中重要参数的计算并简要介绍了目前主流的DTI配准算法，最后针对现有算法的不足提出了一些新的DTI配准方法。本文采用特征值和特征向量重合率作为配准结果的客观评判依据，综合分析比较现有算法与本文所提算法的效率及主客观配准结果，旨在研究适合临床医学应用的DTI图像配准方法。本文采用128*128*45的人类脑部DTI图像做为实验数据，利用MATLAB平台进行仿真实验。本文对DTI成像原理、配准方案以及配准结果的评判做了深入调查研究，在现有的配准方法基础上进行改进，提出新算法并加以实现，从理论和实验结果的角度对算法的优劣进行分析评判。本文的主要工作可概括为以下几点：1）阐述了标量图像向量化方法，采用多项式展开法实现了对图像的方向粗配准，目的在于缩小后续配准算法的搜索范围以提高配准效率；2）采用了结合单个像素点周围邻域信息的相似性测度方案，旨在降低单个像素点的误配准率；3）提出了一种基于张量信息的多特征提取辅助判决匹配点的配准算法，根据张量特征分析待配准点的大概位置以缩小配准范围并降低误配准率；4）提出了基于稀疏表达理论的标记点自适应选择算法，结合TPS变形矫正算法实现DTI图像的弹性配准。最后本文选取多层DTI数据进行实验并分析比较配准结果，对本文算法给出客观评价。