医学图像配准的主要目的是将不同时间、不同视场、不同成像模式的两幅或多幅图像进行空间几何变换,以使代表相同解剖结构的像素或体素在几何上能够匹配对应起来。在配准过程中,尽量兼顾自动化程度高、鲁棒性强、适应性好、速度快、精度高等各项指标。基于特征的图像配准方法是目前图像配准最常用的方法之一,其最大的优点在于能够将对整个图像进行的各种分析转化为对图像特征(特征点、特征曲线等)的分析,从而大大减小了图像处理过程的运算量。而特征提取的准确程度和定位的精确将对整个配准过程产生很大的影响。本文对现有的特征提取方法进行了分析,重点研究了点的特征提取方法和轮廓的特征提取方法,提出了一种新的图像配准方法,即Harris角点提取法和LOG算子轮廓提取法相结合的特征提取法。先用Harris角点提取法提取图像角点,并增加其灰度值,再用LOG算子边缘提取法提取轮廓,之后对所提特征进行自竞化。研究了B样条弹性变换模型,提出了基于双特征结合的弹性模型医学图像非刚性配准方法。采用高质量的拟三次B样条型混合插值样条作插值函数,用Hausdorff距离作为测度,用粒子群优化算法优化配准过程,并给出了本文算法的配准流程。开发了基于OpenCV平台的图像配准程序,实现了本文提出的非刚性医学图像配准算法。用该算法对CT、MRI、PET图像的同模和多模之间做了大量实验分析。分别用相关系数,最小均方误差,归一化互信息,信噪比等评价指标对实验的配准效果进行了客观评价。从客观评价结果来看,本文的方法配准精度高、鲁棒性好,能对多类图像进行有效的配准,也表明了本文研究成果的有效性和应用价值。