随着科技发展,智能医疗和自动化医疗成为当下主题。各类医学影像的出现让图像引导放射治疗（Image-guided Radiotherapy,IGRT）成为治疗肿瘤的重要手段。IGRT是通过肿瘤患者放疗前和放疗中的医学图像配准来观察肿瘤情况,精准定位肿瘤位置并保护正常组织,是治疗肿瘤的关键技术。锥形束计算机断层（Cone Beam Computed Tomography,CBCT）与计划CT（Planning CT,PCT）的配准是IGRT中治疗肿瘤最普遍的方式。但因CBCT携带伪影,图像质量较差,与PCT配准时配准精度低,会影响医学诊疗。为此本文针对CBCT图像质量和CBCT与PCT的配准算法精度问题进行研究。主要内容如下:针对提升CBCT软组织部分对比度低,容易带有噪声的质量问题,提出超分辨率（Super-Resolution,SR）图像增强算法。首先,在处理统一的数据集CBCT进行SR算法图像增强,设计实验通过峰值信噪比（Peak Signal-to-Noise Ratio,PSNR）指标数据与双三次插值对比,双三次插值后的平均PSNR是37.24d B,SR算法的平均PSNR是42.12d B。然后,在三种刚性配准实验上对比有无SR算法增强对CBCT与PCT的配准精度影响,结果证明SR算法增强的优越性。针对医学图像弹性配准模型相似性测度函数的问题,提出一种新的测度函数称作S-PCC,它是结构相似性和皮尔逊相关系数的结合。图像弹性配准实验通过均方误差、互信息、结构相似性和皮尔逊相关系数,分别作为CBCT与PCT的配准测度函数,对比新测度函数S-PCC配准效果。然后,提出的SR算法增强,在弹性配准模型中结合新测度函数对比有无SR对配准精度影响,结果证明本文提出的SR算法对图像配准精度有提升。针对医学图像配准数据图像组织结构信息不全面问题,提出将二维医学图像转换为三维图像,可以做到弥补在图像配准中二维图像缺失的结构和上下切片图像位置关联信息,在图像弹性配准模型中充分利用到图像信息,通过对比二维和三维图像作为数据集的配准实验得出三维图像的配准精度更高。