随着医学成像技术突飞猛进的发展,不断涌现出各异的医学图像。由于不同图像的来源之间存在的各种各样的差异,或者不同时间采集图像导致的环境变化,使得研究者很难把图像准确而且完整的综合起来进行处理。要得到全面完整的图像信息,就需要用图像配准技术,将两幅或者多幅在不同采集设备,不同采集时间或者不同采集角度等条件下取得的图像进行匹配。当前国内外图像配准技术在刚性配准领域已经较为成熟,但由于人体器官因肌肉收缩等导致的非线性变化,使得非刚性医学图像配准技术在临床医疗上更为关键。当前非刚性医学配准已经成为国内外数字图像处理的热点。本文在研究了医学图像配准当前的国内外现状和技术成果的基础上,对图像配准的基本框架和数学描述进行了学习,深入研究了其关键技术,包括空间变换、插值算法、相似性测度、优化算法等,并对各个技术的常用算法进行了分类总结。针对非刚性医学图像配准问题做了以下工作:1.针对易发生局部形变的人体组织的医学图像,提出基于B样条的自由形变模型配准算法,并进行实验分析,发现其虽然对局部形变可以很好的拟合,但对于全局较大的仿射变换不能实现较好的配准,易出现配准失败。针对这一问题,本文进一步提出结合SIFT特征匹配与VDSR超分辨率重建的配准算法,首先利用SIFT方法对参考图像和浮动图像进行特征点提取,通过仿射变换进行第一步图像的粗匹配,然后将粗匹配后的图像进行多尺度变换,得到的低尺度图像作为B样条配准方法的输入进行局部拟合,最后经过超分辨率重建得到原尺度的配准图像。经过多次实验证明了此方法不仅提高了配准精度和鲁棒性,并且在配准效率上也有明显提升。2.搭建医学图像配准算法的测试与评价平台。平台不仅包含了多种算法的图像配准实验以及多种对配准结果的评价方法,并将结果以直观的图形形式进行展示,还包含了对图像的简单预处理操作,在执行配准算法之前,可以手动对待配准图像进行缩放、旋转、投影等操作。医学图像配准平台的搭建,提高了实验的执行效率,降低了实验的复杂度,实验结果的准确有效性也能够保障。