阿尔茨海默病作为一种不可逆慢性病,一旦患病便无法治愈,因此阿尔茨海默病主要是预防。阿尔茨海默病发病前主要是与特定功能相对应的脑白质结构发生异常,与确诊后患者的病变部位极为相似,脑白质结构的研究对控制疾病恶化以及发病机制的研究具有重要意义。弥散张量成像技术作为非侵入性的分析大脑内部结构的重要工具,对白质微结构的变化非常敏感,通过利用人体组织水分子的扩散特性使活体显示脑白质纤维束成像成为可能。对阿尔茨海默病患者脑部弥散张量图像的配准,可以使医生准确判断白质变化部位,控制疾病恶化。对不同发病时期患者脑图像配准对于研究疾病发展,准确判断疾病的位置具有重要价值。基于Active Demons的多通道配准算法适合配准灰度连续的弥散张量图像,配准精度较高且对于图像形变区域较大部分可以进行较好的配准,但算法中的三个关键参数:平衡系数k、均化系数?、弹性系数?的最优值难以确定。本文提出基于MSE极值法的最佳参数确定法,通过固定其中两个参数改变一个参数获取实验数据,再根据平衡系数k与均方误差MSE、均化系数?与均方误差MSE、弹性系数?与均方误差MSE的函数关系,利用求取函数极值的方法分别获取DTI图像配准三个参数的最佳取值。但基于评价指标MSE与参数函数关系的最优值确定法只考虑了单个参数的影响,未实现多参数组合的优化。本文提出将粒子群优化算法引入Active Demons算法对DTI图像的配准,实现了三个关键参数的自动寻优。粒子群算法(Particle Swarm Optimization,PSO)的引入在解决了参数需要手动设置的问题的同时提高了收敛速度和精度,粒子群算法处理复杂的问题易陷入局部最优。本文提出改进学习因子的PSO算法提高配准精度和收敛速度的同时,增强配准的效率。本文分别使用遗传算法、布谷鸟算法和粒子群算法优化Active Demons算法对DTI图像配准,实验证明粒子群优化算法具有较好的寻优能力。再分别将MSE极值法Active Demons算法、改进学习因子PSO算法Active Demons算法和基本PSO算法Active Demons算法与Demons算法和变参数Active Demons算法应用于DTI图像的配准。实验结果表明,本文提出算法具有较高的收敛速度和配准精度。