医学图像配准技术是医学图像处理的重要组成部分,配准通过将不同医学图像的信息进行融合比对,在临床诊断、外科手术导航、手术规划及术后评估等方面起到非常重要的作用。尤其是随着医学影像技术的飞速发展,多模态医学图像配准在临床的很多应用上发挥着非常重要的作用,所以对多模态医学图像配准算法的研究具有重要的理论意义和临床价值。本文主要研究多模态医学图像的弹性配准方法,对图像预处理、测度函数、优化算法、正则化技术等方面涉及到的算法展开系统的研究,在配准精度、配准时间以及算法的精确度方面进行分析。本文的工作主要包括以下几个方面:(1)针对光学相关断层图像图像中存在的散斑噪声,对各向异性扩散滤波器、小波变换、双边滤波器这三种去噪方法做了详细的介绍,并进行了算法的实验验证,三种去噪方法均可以得到比较好的去噪效果,其中双边滤波器的去噪效果最好,既去除了噪声又保留了图像边缘信息。(2)互信息是多模配准中最常用的测度函数,但是它只考虑图像灰度级之间的对应关系,忽略了图像灰度值之间的映射关系,针对这个问题,利用在互信息相关比的混合测度,结合B样条FFD形变模型和改进的随机梯度优化算法所搭建的配准框架,在临床数据上通过和其他的两种算法进行对比实验,证明了该算法配准时间更少,配准精度更高。(3)空间正则化在图像非刚性配准中十分关键,它能够避免不真实的位移场并防止优化过程陷入局部极值。传统的正则化方法目的是寻求一个全局平滑且连续的位移场,但是胸腹部器官在进行呼吸运动时在器官边界出会存在不连续的位移场,针对这个问题,本文采用全变分作为目标函数的正则项来保留边界不连续位移场,并将其成功的应用在三维公开数据集和多模临床数据上。公共数据集上的目标配准误差减小到了 1.27mm,比其他的对比算法提高了 15%到30%;临床数据的实验结果证明全变分在保留边界不连续位移场的同时提高了配准精度。