医学图像配准是医学图像处理领域中的一项重要技术，对临床诊断和治疗起着越来越重要的作用。尽管医学图像刚性配准研究已经开展多年，但是目前的主要方法仍然存在不足急需改进，才能使其更好地应用于临床。 医学图像刚性配准中包含两种主要方法：基于特征的图像配准和基于统计的图像配准。本文分别实现了这两种方法中的一种主要算法，它们是基于轮廓的图像配准和基于最大互信息量的图像配准，分析了这些算法的优缺点。在此基础上，创新性地提出下面两种新算法，它们包括：第一、提出模糊边缘场概念，在不需人工交互的情况下实现了图像特征的自动提取，并使得图像相似性特征得到增强。同时提出基于模糊边缘相似性测度的图像配准新算法。第二、针对基于统计的图像配准框架中对于图像重叠区域选择的不合理，提出了相同重叠区域下的配准新框架，并在此新框架下，将一些统计相似性配准算法统一为基于最小条件熵的图像配准算法。 我们获取了国际上用于医学图像配准的标准实验图像，对这些图像进行了大量实验，并得到图像提供方对实验结果的评估。通过这些实验结果证明本文提出的新算法与当前传统的医学图像配准算法相比，鲁棒性得到明显提高。