人脑是人类生命机理的核心部分,任何细微的病变都可能导致一个人部分生理功能的缺陷或者丧失,甚至危及生命。研究表明,近几十年来,随着环境影响及生活压力加大,人类脑部疾病的发病率骤然上升,脑部疾病正越来越受到关注,但是由于人脑复杂而使检查诊断困难。随着医学影像技术的发展,医学影像设备已经能够获取高分辨率的三维序列脑图像,在临床诊断中如何充分利用脑部医学影像为病灶检测及定位、手术计划、手术导航、定位放射治疗等提供参考信息的关键技术是脑部医学图像配准,因此不断提高脑部图像配准的精度与实时性、拓展匹配应用具有重要的理论与现实意义。本文对MR序列脑图像的配准算法进行了研究,将MR序列脑图像配准分为兴趣点提取、局部特征描述子构造、特征匹配对查询及空间变换三个步骤：(1)研究了脑沟、脑回、前后联合等具有解剖表征意义的组织都位于图像强度梯度较大的区域,尤其是各组织的边界曲面中曲率极大位置。本文利用三维空间下的二项式函数与椭球方程的关系,在Harris算子的基础上推导出3D-Harris算法,检测三维空间下的曲面极值,成功实现检测具有解剖意义的点作为兴趣点。(2)通过在球坐标系下利用方位角与仰角两个量表征三维图像的局部梯度方向,将SFIT算法拓展到三维空间,实现3D-SIFT算法,构造2×2×2×8×4维具有尺度、旋转、光照等不变性,对视角、仿射也有一定程度不变性的特征矢量。(3)研究了Kd-tree匹配对查询算法及薄板样条算法,提出了基于确信度的层次薄板样条算法,按照确信度高低分组匹配对并实现多层次薄板样条算法。最后设计并实现了计算机辅助配准平台,可作为计算机辅助诊断与治疗系统中的一部分。通过实验表明,本文提出的MR序列脑图像配准算法在实现全自动化配准后,提高了准确性的同时保证了实时性。