各种各样成像技术的出现使得人们可以对人体同一解剖结构进行多视角的观察。同一解剖结构,不同成像技术所得到的信息是互为补充的,但在表现形式上是互为差异的。对它们所提供的大量信息,只有作为一个整体来解释和利用,才能在临床诊断、治疗计划与疗效评估等方面得到最佳的效果。医学图像配准是医学图像处理领域中的一项重要技术,是信息科学、计算机图像技术与医学等多学科交叉的一个研究领域。当前,医学图像配准基本可以分为基于灰度统计的方法和基于图像特征的方法。本文着重讨论了基于最大互信息的灰度统计图像配准和基于表面轮廓的特征图像配准这两种对临床应用价值较高的三维配准方法。论文首先探讨了基于最大互信息的配准方法。该方法不需要对预配图像做预处理和分割处理,是一种全自动的配准方法。本文从熵和互信息角度详细阐述了基于最大互信息配准的原理;将配准中涉及的空间变换,插值方法,多参数优化等要点进行了探讨;分析了PV插值对基于最大互信息配准的影响。为了提高配准速度,我们使用多分辨率采样和降低图像的灰度级。在优化方面我们给出了用Powell优化算法和模拟退火优化算法相结合的方法来对目标函数进行优化,实验证明这种方法对避免局部极值是很有利的。同时,我们探讨了基于图像表面轮廓的配准方法,阐述了基于表面轮廓的配准算法的原理和要点。采用Canny算子进行表面轮廓提取,基于四元数和奇异值分解的方法进行空间对应点的配准以及最邻近迭代搜索(ICP)。为了提高配准速度,我们采用了多步长迭代的方法,实验证明该方法是一种比较可靠的方法。