图像配准是图像处理中的一个重要课题，也是图像融合首先要解决的问题。在许多实际应用中具有重要意义，图像配准是医学图像分析、遥感图像处理和目标识别的基本组成部分。随着新型传感器的不断涌现，人们获取图像的能力迅速提高，不同物理特性的传感器产生的图像也不断增多，因此如何将不同模态的图像进行配准，逐渐成为图像配准领域的一个研究重点，人们希望通过对不同模态所获取的图像数据进行配准，降低数据的误差，以达到提高识别率和精确度的目的。随着对高质量图像的需要和对高维数据处理实时性的要求越来越高，提高多模图像配准精度和速度是一个很重要的研究方向。本论文围绕着3-D超声图像和CT图像非刚性配准展开研究，对配准中的相似性测度和优化算法进行讨论，通过实验对比选择互信息作为配准的测度准则，利用L-BFGS对变换参数进行优化搜索。总结起来本文的主要工作如下：(1)介绍图像配准的基础知识，包括医学图像配准的概念和医学图像配准的应用，并对图像配准的四个过程进行了阐述。(2)对医学图像的优化算法和测度函数进行详细的介绍。测度函数的选取和配准参数的优化搜索是图像配准过程中最重要的两个步骤，直接关系到图像配准的精度和效率。通过对比三种经典的优化算法，得出优化算法对配准结果的影响；并介绍三种常用的配准测度函数，经过试验表明：在多模态图像配准中，基于互信息测度取得比较好的效果。(3)介绍了基于B样条自由形式变换模型的配准方法。该方法被应用于超声图像和CT图像体数据之间的配准。实验中，在配准代价函数中加入几何变换约束项解决非刚性配准过程中产生的图像重叠与交叉问题，并通过互信息值、感兴趣区域重叠率、运行时间对配准算法性能进行分析。实验表明：基于B样条自由形式变换模型的配准，取得较好的结果。(4)最后总结本文的工作对未来的工作进行了展望。