图像分割和图像配准技术在许多研究领域中都有着广泛的应用,是国内外的热点研究问题。图像分割是完成图像视觉分析和进行模式识别的前提,只有对图像进行了准确性高的分割,才有可能实现高层次的图像分析与图像理解。图像配准则既是图像目标识别、三维重建的基础,又是图像融合技术的关键,配准结果的优劣直接影响后续融合的质量。本文对图像分割和图像配准技术进行了研究,对其各自的方法做出了一些新的尝试：研究了粒计算理论中的粗糙集模型,研究了粗糙集理论在图像分割中的应用,提出了一种基于不可分辨关系的图像分割方法；研究了图像配准的方法,提出了一种用本文定义的归一化邻域方差提取轮廓,然后在此基础上找出轮廓配准参数的方法,既减少了计算量又快速实现了配准。论文的主要工作如下：1.提出了一种基于粗糙集理论的图像分割方法：该方法首先利用粗糙集理论中的分类思想,选取像素灰度值、邻域均值和新定义的归一化邻域方差值这三种图像特征作为条件属性,然后为待分割图像建立一个知识表达系统,根据不可分辨关系将图像中的像素划分成不同的等价类,最后将这些等价类合成得到分割后的图像。由于阈值的选取是合成等价类的关键,因此又提出了一种获得最佳阈值的方法,该方法考虑了图像噪声的影响,利用思维进化算法(MEA)优化阈值参数,避免陷入局部最小值的同时又提高了运算速度。2.对于图像分割,介绍了几种具有代表意义的图像分割方法,并将本文提出的方法与这几种经典方法作对比,验证了本文方法的有效性。实验结果表明：对于普通图像,分割后的图像具有较好的均匀性,获得目标的边缘比较光滑、清晰,对噪声的去除效果也比较明显；对于医学图像,能够较好地分割出肺组织,且支气管断裂的少,说明本文提出的图像分割方法是一种行之有效的方法,具有较好的稳定性和收敛速度,在实际中有一定的应用价值。3.本文以人脑医学图像为研究对象,将头部视为刚体,利用刚体的轮廓不变性,提出了一种基于轮廓的图像配准方法：该方法用本文提出的归一化邻域方差的概念提取轮廓,然后采用经典力学中的力矩主轴的概念,分别计算出原始图像和浮动图像的质心以及主轴与坐标轴的夹角,进而计算出平移变换和旋转变换的参数,实现待配准图像质心与主轴的对齐,完成配准过程。4.对于图像配准,本文用边缘检测中的经典算子提取出目标轮廓然后配准得到的实验结果与本文方法的实验结果进行比较,验证了本文配准方法的可行性。实验结果表明本文提出的方法实现快速,能够满足图像前期配准的要求。