Demons算法因其有效性和简便性在图像配准领域受到了广泛的关注，根据不同的需要学者们提出了许多改进算法，如Active Demons算法、微分同胚Demons算法等。Active Demons算法通过均化系数?和负驱动力来调整收敛速度和配准精度，克服了Demons算法对形变程度相对较大的图像无法进行有效配准的缺陷。但在配准过程中Active Demons算法的像素点移动呈自由状态，破坏了原有图像的拓扑结构。微分同胚Demons算法的优点是引入了李群的概念，使得图像在配准过程中保持了原有的拓扑结构。理论上讲微分同胚Demons算法可以适用于各种形变图像的配准，但由于计算原因导致的不能完全保持原图像拓扑结构的问题，使得算法存在计算量过大、适应性不佳等问题。　　本文分别针对Active Demons算法和微分同胚Demons算法进行了深入的研究，并基于图像配准问题的物理本质和适当的数学理论推导给出了相应的改进。　　针对Active Demons算法在高收敛速度时配准精度较低的问题，本文提出了改进算法—F-angle Demons算法。通过对Active Demons算法的原理和配准效果的分析，发现Active Demons算法存在配准误差的重要原因是浮动图像M与参考图像F对应像素点的梯度有时会存在差异性过大的问题，这一问题直接导致驱动力偏离正确的方向，造成配准的误差。因此引入系数f(θ)在对应梯度成锐角时增强负驱动力的影响，在对应梯度成钝角的时候降低负驱动力阻碍作用，通过数值实验验证了引入f(θ)后改进算法的可行性。最后，根据数值实验结果改进驱动力返程，在驱动力计算公式中引入了控制系数β，使得改进算法在保持高收敛速度的条件下进一步提高配准的精度，并通过数值实验进行验证。　　针对微分同胚Demons算法配准精度较低、适应性不佳的情况，本文提出了一种基于梯度信息的改进微分同胚Demons算法。具体是在能量函数中引入梯度信息误差项来进一步限定更新场u，并通过严格的数学推导得出新的更新场计算公式。多组数值实验验证了改进算法能有效降低更新场u的内部计算误差，提高了算法的效率和配准精度。