图像配准是指在不同时段、不同视角和不同传感器下拍摄的两幅或多幅图像间的几何变换关系的处理技术。它是图像处理和计算机视觉领域比较基础的技术,被广泛应用于包括图像融合、目标定位、图像拼接、疾病的精确诊断等方面。目前,国内外学者在图像配准领域做了较多的工作。大部分配准算法假设图像的形变是刚性的,实际上真实场景中很多目标都是非刚性的,从而导致图像出现较大的扭曲。因此需要用非刚性的配准算法来解决图像局部或全局变形。已有的非刚性配准算法在图像存在大形变或灰度均匀时效果不够理想,基于此,本文在Demons配准算法的基础上,拓展其适用范围。基于扩散模型的Demons算法的驱动内力来自于图像的灰度梯度,对图像的灰度均匀的区域无效和优化容易陷入极小,导致该算法对局部变形的图像配准精度和速度降低。同时当图像发生全局的严重扭曲畸变时,图像配准的精度很低和速度缓慢。本文的主要工作如下:(1)Demons算法被证明是解决非刚性配准的有效方法,然而存在的Demons非刚性配准算法对灰度均匀和弱纹理区域的图像配准精度低,优化易陷入局部极小导致配准速度缓慢。针对该问题,将R-L(Riemann-Liouville)分数阶微分引入到主动Demons算法中,提出了基于R-L分数阶梯度驱动的主动Demons算法。R-L分数阶梯度代替传统的梯度算子,不但可以增强图像的细节信息,而且可以增强灰度均匀和弱纹理区域的梯度信息,从而提高了图像配准精度和速度。另外,通过实验给出了配准精度与R-L分数阶模板参数之间的关系,从而为模板最佳参数的选取提供了依据。(2)目前存在的非刚性配准算法对严重扭曲变形的图像配准精度和效率都比较低。基于此,提出基于Nystr?m低阶近似和谱特征的图像非刚性配准算法。算法首先提取像素的谱特征,并将谱特征与空间特征、灰度特征融合形成具有扭曲不变性的全局谱特征。然后在微分同胚配准的框架内使用全局谱匹配,确保算法产生的变形场具有光滑性、可逆性、可微性,以提高配准的精度;其次采用Nystr?m抽样方法,随机抽取拉普拉斯矩阵的行与列,低阶逼近该矩阵,降低高维矩阵谱分解的时间,从而提高配准的效率;最后提出基于小波分解的多分辨率图像配准方法,进一步提高配准的精度和效率。