综合利用同一场景的不同图像信息是图像分析的一个重要任务。要对不同的图像信息进行整合、比对,首先要解决的就是图像间的匹配问题,即图像配准问题。图像配准是图像处理领域的一个重要环节,配准的结果直接关系到图像处理其它领域如图像融合、图像比对等的效果。本文以医学图像配准为主要研究对象,首先介绍了图像配准中两个主要的分支即基于区域相似性测量的图像配准与基于特征相似性测量的图像配准。然后分别介绍了这两类方法各自的步骤及配准的主要原理。对于基于区域的方法,本文首先研究了常用的互信息法。该方法通过计算使互信息达到最大值时的形变参数实现图像配准,被广泛应用于多模态图像配准领域。该算法计算速度慢,在应用时常需要一些优化搜索算法搜索这些形变参数,本文便是使用其中的PSO算法搜索,并且针对其在精确搜索时计算速度慢的缺点,提出了结合PSO与梯度下降法的改进方案。然后,探讨了弹性配准领域一种常用的基于局部仿射模型的配准方法。针对其难于应用于多模图像配准的问题,提出了一种转换图像模式的方法,使图像转换后可以使用该方法配准。对于基于特征的方法,本文首先研究了近年来常用的SURF方法。对于特征点匹配时常出现的误匹配现象,提出了一种利用特征点间角度不变性筛选特征点对的方案。然后探讨了弹性匹配问题中常用的TPS-RPM算法。由于该算法在匹配SURF特征点时精度不高,本文提出了一种结合Canny边缘信息的配准方案,使特征点匹配的精度得到了一定的提高。