作为医学图像处理与分析的基础,医学图像的配准和分割是医学图像分析领域中最基本的问题,是医学图像处理领域的研究热点,也是临床诊断、虚拟手术和人体动态模拟中急需解决的难点问题和关键问题。本文对图像的分割与配准方法作了一些新的尝试,研究了可变模型的原理、实现,并对基于可变模型进行图像分割的方法进行了深入探讨,提出了一些新的思路和改进算法;研究了基于最大互信息的图像配准方法,针对其计算量大的缺点,先用力矩主轴法进行粗略配准,在此基础上进行精确配准,以减小整体的计算代价。论文的主要工作和创新点包括;1、在图像分割中,通过将边缘点分类,然后对分类后的边缘点进行筛选,并利用滞后阈值化,获取一条初始边缘线,然后用Snake模型对该线进行调解,得到最后的边缘。2、针对水平集方法效率不高的缺点提出了一种改进方案;预先将像素分为两类,对两类像素定义不同的演化速度,以达到提高效率的目的,并通过实验证明了新思路的优势。3、对于目前应用非常广泛的最大互信息配准方法,针对人体CT图像的特点,提出了先粗略配准再优化的策略。即先通过配准两幅图像中同一部位的分割结果达到粗略配准的目的,并根据“粗”配参数给出“细”配参数的初始值;再以互信息为配准的代价函数,以powell算法为其优化算法,求取最优配准参数。实验结果表明;该方法具有配准精度高、速度快以及抗嗓能力好等特点,是一种有效的全自动配准方法。