作为医学图像处理技术的重要研究课题之一，图像配准是解决图像融合、图像重建、变化检测等问题的基本步骤，在计算机辅助诊断与治疗中有着非常重要的意义。近年来，随着计算机和成像技术的快速发展以及人们对于复杂环境下图像配准需求的不断提高，图像配准正朝着高精度、高速度和自动化的方向发展。本文在对医学图像的配准理论进行深入研究后，设计并实现了一种多模态的非刚性图像配准方法。　　 首先，论文对有限元非刚性图像配准的理论进行研究并提出改进。本文使用有限元位移法对图像配准问题进行建模求解，在对图像剖分时，根据图像内容自适应地划分网格单元，以便在图像特征点密集的部位分布着精细的三角单元，而在特征点较少的部位则分布着稀疏的三角单元。该方法在保证配准精度的同时，又缩短了计算时间。　　 针对实际形变的图像配准问题，本文设计了一种分级的图像配准方案：先使用仿射变换对图像进行预配准，然后采用有限元非刚性配准方法进行精确配准。实验结果表明，该方法能够有效地解决局部形变的单模态图像配准问题。　　 其次，鉴于互信息在多模态图像配准中的成功应用，本文将有限元非刚性配准推广到多模态图像配准中，将互信息关于位移场的梯度引入到图像变形的驱动力，选用正态分布函数作为Parzen窗核函数来对图像的灰度概率密度进行连续化建模。实验结果表明，本文算法对多模态图像的配准有着明显的效果，并且能够较好地解决超声与CT图像的配准问题，从而为超声影像的精确定位提供了有效的方法。