图像配准是图像处理的一个基本问题,它是通过寻求空间几何变换将不同成像设备、不同时间或不同条件下采集到的两幅或多幅图像在空间上实现匹配的过程。图像配准在气象监测、遥感、医学、计算机视觉、模式识别等领域都有广泛的应用。例如,卫星遥感图像和医学多模图像的融合就是建立在图像配准的基础上,医生指导放疗和病灶生长情况检测也离不开图像配准技术。本文介绍了图像配准研究的相关背景、发展现状以及图像配准的流程图和主要算法,比较了基于特征和基于灰度两类图像配准算法的优缺点,并且指出了图像弹性配准研究的重要性。本文研究的重点是基于B样条的图像弹性配准,文中介绍了B样条的原理和优点,并分别对如何克服自动提取的特征点误配以及克服局部较大形变的配准算法进行研究,主要完成了以下研究工作：(1)提出了一种基于改进SIFT算法和B样条的图像弹性配准算法。针对SIFT算法提取的特征点对出现误配的情况,提出了采用距离方阈值分析的方法去除误配的特征点对,从而保证了图像配准的准确性和鲁棒性。我们采用B样条作为图像插值的方法,采用特征点对之间的距离作为衡量尺度,完成了图像间的弹性配准。实验证明,此方法解决了SIFT算法提取特征点对出现误配的问题,并且配准速度快,对于形变不很剧烈的图像可以实现较好的配准。(2)提出了基于重叠块检测和多层B样条自由形变模型的图像配准方法。本文首先采用传统的多层B样条自由形变模型对图像进行弹性配准实验,发现其对于局部较大形变不能很好的纠正。为了解决这一问题,我们根据局部配准的思想,提出了基于重叠块检测的图像精细配准的算法。此方法先采用较大网格的多层B样条自由形变模型对图像进行全局弹性配准,得到粗配准图像；然后,将参考图像和粗配准图像分成一系列空间位置对应的图像子块,并对需要深度配准的图像子块采用较小网格的多层B样条的方法进行进一步的配准。为了既能保证图像子块配准后能很好的与原图拟合,又能使每个需要精细配准的区域都能实现进一步的配准,我们对网格的边缘节点进行控制的同时采取重叠块检测的方法来确定需要配准的图像子块。我们进行了多组实验验证,对比配准前后的差值图像以及MI, NMI和SSD等相似性测度值,证明了本文提出的配准方法能够实现图像的精细配准,并提高配准的效率。