随着微电子、计算机和数字图像处理理论与技术的发展，医疗手术导航设备不断更新，应用领域也在不断的拓展，其导航和定位的精度也被提高。但是影响导航技术和应用的主要因素还是其精度问题。影响导航精度的误差主要有两个来源:一是来源于患者无意识的正常生理运动，特别受到研究人员关注的是肺部的呼吸运动。二是来源于患者病体组织的物理空间与其扫描的图像空间的配准误差。　　目前配准误差已经研究出很多的解决方案。但是呼吸的问题需要进一步的研究。　　本文基于4D CT扫描的图像进行研究，利用其中生理结构点的运动规律，采用统计学的思路，建立了一种具有一定普遍适用性的呼吸模型。该模型能够预测整个肺部区域的运动方向和运动幅度。将该模型应用到手术导航系统中，能够补偿手术导航系统由呼吸运动引起的误差，从而提高手术导航系统的精确度。　　该模型具备以往呼吸模型建模方法的优点，并在此基础之上进行改进，弥补了部分以往呼吸模型固有的不足:　　1.利用的原始数据为CT图像生理标记点，避免了基于图像配准模型固有的累积误差和计算量大的问题。　　2.针对整体运动向量场定义出一个运动状态参数，利用参数参考信号模型的思路进行建模，避免了信号模型固有的仅描述单点运动的问题。　　3.对不同样本的最优运动状态参数进行曲线拟合，得出一个一般化的呼吸模型，吸收了统计学模型的思路。　　4.将模型应用于患者两个极端呼吸状态之间的运动插值，该方法兼顾了一般化模型的因人而异的特性。　　误差验证结果表明，在该模型的补偿下，呼吸引起的误差降低为原来的25％左右，当呼吸幅度较小时，该模型可以将呼吸误差降低到2mm以下，为亚体素级别。此外，该模型具有计算量小，简单易用的特点。　　得到了一般化的呼吸模型之后，为了将模型应用于患者的肺部，我们必须要获得该患者呼气末端和吸气末端两个状态下的CT图像，以及这两个状态下的患者肺脏内部的各点的对应方式和运动方式。本文提出并实现了一种适用于人体呼吸运动的3D图像配准算法。本文根据人体的柔性特征，将整个配准算法设计为两种算法的组合算法，这两种算法分别为基于仿射变换配准算法和基于多分辨率B样条非刚性配准算法。这种组合方式使得本文算法不仅考虑了生理运动引起的局部变化，还考虑了人体整体的扭动、拉伸引起的全局变化，使算法避免陷入局部极值的同时更符合人体呼吸运动的模式。误差验证实验表明，该算法的误差为2mm以下，精度达到了亚体素级别，满足临床需求。　　最后本文提出了一种算法，该算法能够自动搜索CT图像中传感器的位置，并且使其自适应地与物理空间传感器的位置进行一一对应，从而配合呼吸模型在系统中的应用。本文利用两个空间中的坐标值进行了相关系数的计算，该计算结果能够完成图像空间标记点的筛选，避免图像中与传感器尺寸和CT值相近区域的干扰，从而大大提高了匹配算法的适应性和运算速度。该算法对两个模型进行了匹配精度和适应性实验验证。实验表明，该算法配准误差小于2mm，精度达到亚体素级别，并且在特征筛选参数的筛选范围扩大到2倍的时候，依然能够成功匹配。该算法运算速度较快，整个实现过程仅为1.6s，具有较好的适应性，并且易于实现。