肺是组成人体呼吸系统的重要器官之一，目前肺部疾病逐渐成为威胁人类生命健康的主要因素。随着医学成像技术的飞速发展及其与计算机技术的紧密结合，计算机辅助诊断及治疗、手术导航、手术教学训练等领域应运而生，为维护人类的健康发挥了越来越重要的作用。在现有医学成像技术中，计算机断层扫描成像（CT）技术广泛应用于人体肺部的医学成像。对于同一患者而言，由于受到医疗器械干扰、肺部的呼吸及生长等因素的影响，在不同时刻获得的肺部CT图像的形态会存在较大差异。在对其肺部实施计算机辅助诊断、手术等过程中，由于需要对肺部的变形进行弥补，因而肺部轮廓图像的配准成为了关键的技术。肺部轮廓数据的提取是肺部轮廓配准的前提。本文采用了一种自动化程度较高、轮廓提取较为准确的方法。文中首先通过高斯滤波器对肺部CT图像进行去噪；在对肺部CT图像进行二值化处理时，阈值通过最大类间方差法选取，随后通过数学形态学方法剔除大量不相关区域；在采用边界跟踪算法得到胸部边界后，随后采用洪水填充算法进行填充，可以获得胸部区域，再次通过二值化处理并提取肺部边界即可得到肺部轮廓；最后，通过三维重构得到三维肺部轮廓数据，完成了配准前的数据准备工作。本文介绍了迭代最近点法，并对其提出了两点算法改进的建议：采用主成分法对待配准数据进行预处理；改进算法的迭代停止条件。文中介绍了基于薄板样条的非刚性配准算法。优化方法在配准问题中占有关键的一步，文中讨论了确定性退火算法，为该算法的应用打下了理论基础。为了解决配准中特征点可能存在的噪声、冗余点等问题，本文提出了特征点模糊对应矩阵模型。随后，在上述研究基础之上提出了一种新的基于特征点云的图像非刚性配准算法，该算法采用薄板样条函数来参数化特征点云的非刚性变换，采用模糊对应矩阵模型来解决特征点的匹配问题，并利用确定性退火算法作为优化方法以求得配准最优值。通过与改进的迭代最近点算法相比，实验结果证明了该算法的有效性，展示了较强的鲁棒性和更高的配准精度。最后本文将其应用到肺部轮廓的非刚性配准中，取得了良好的配准结果。