随着医学影像技术的快速发展，出现了多种模态的医学影像。在临床上，使用多种成像技术并适当地将其加以融合，可为临床诊断和手术治疗提供更加全面准确的信息。而配准是融合技术中需要前期先解决的问题。作者在中央高校基金及教育部留学回国人员基金课题的资助下，进行了基于混合角点检测的脑磁共振图像配准方法研究，将基于混合角点检测的脑磁共振图像配准转化为一个具有医学图像背景的优化问题。在角点检测、角点匹配和动态优化方式，三个方面展开了较为深入的研究，以利于提高脑磁共振图像配准的精度。在此基础上，对比研究了图像配准中两种经典的角点检测算法对脑磁共振图像提取角点的性能差异，提出了一种混合角点检测算法用于脑磁共振图像配准，并实现了基于混合角点的动态脑磁共振图像配准，等。本文基于MATLAB和多幅脑磁共振图像对文中提出的各种方法进行多次统计实验，统计结果表明，本文的方法用于脑磁共振图像，可获得较高的配准精度以及较好的稳定性。论文的主要研究工作如下：对两种角点检测算子针对脑磁共振图像提取角点的性能做了比较研究，包括Harris算子和SUSAN算子。基于脑磁共振图像的角点提取对上述两种算子进行了比较和分析，分析了它们从脑磁共振图像提取出的角点的差异及特点，为基于角点设计脑磁共振图像配准方法提供了有益的帮助。针对目前已有的角点检测算子，由于在提取角点的过程中没有综合考虑角点准确性、分布和角点强度等因素，导致配准精度较差的问题，本文提出了混合角点检测算法并应用于脑磁共振图像配准中。该方法首先对同一幅图像的Harris角点、SUSAN角点取并集；通过引入两个加权因子1和2分别对Harris角点响应值与SUSAN角点响应值进行加权计算，获得其角点强度，从而筛选出新的角点集合；通过双向最大相关系数匹配的方法和投票策略筛选出精确匹配的角点对；最后采用Powell算法进一步优化，获得图像最终配准参数值。基于混合角点的研究实现了动态脑磁共振图像配准。该方法采用混合角点检测算子提取角点，通过继承最优种群的思想引入到PSO优化算法中，即对当前图像配准后的最优种群动态继承与变化，并用于指导后续图像的配准，从而提高了优化效率，克服了目前传统的随机重启方式的脑磁共振图像配准算法中参数设定随机导致配准速度慢的问题。本文结构如下：第一章为绪论，论述了本课题背景、研究意义以及国内外研究现状，介绍了本论文的主要内容和工作；第二章论述基于特征的图像配准理论基础，包括图像配准的概念、基本步骤以及基于角点特征的图像配准，为脑磁共振图像配准的研究奠定了理论基础。第三章对基于混合角点检测的脑磁共振图像配准进行研究，包括相关理论分析、算法研究与实现以及相关实验结果和分析；第四章对混合角点检测算子机理进行研究，包括角点强度因子权重分配机理研究与角点匹配图像效果对比与分析；第五章论述基于混合角点检测的动态脑磁共振图像配准进行研究，包括相关理论分析、算法研究与实现以及相关实验结果和分析；第六章为结论，论述了本文所做的主要研究工作以及今后进一步的研究方向。