医学图像的配准是现在一个很重要的研究方向。在以往的研究中主要使用线性变换来实现配准，这种变换对那些存在局部变形的图像效果不佳，从而非线性变换成为研究热点。目前采用的方法多是手动选择对应界标点，然后用薄板样条插值方法进行整体配准变换。这种方法涉及的矩阵是非稀疏的，这使得不能够选取足够多的点来达到所需要的逼近效果，否则计算量是无法忍受的。 本文在对不同径向基函数的性质和插值效果进行比较之后，结合单位分解法，给出一种径向基函数局部化的方法，并对其逼近性质进行讨论；继而基于以上理论研究，给出一种能够选取大规模数据点来完成较为精确的配准的算法：首先对传统的医学图像配准数学模型进行改进，使其能够适用于各种类型径向基函数的应用；再使用稀释算法对源图像脊线上的点进行稀释，得到所需的足够多的源界标点；然后将整个区域划分成满足一定条件的局部区域，在每一个局部区域内构建局部插值空间；最后通过单位分解法将所有局部插值空间连接成整体插值空间。实验结果表明，这种方法耗时少，精确度高，并有较强的自适应应用潜力。