肺癌是常见的恶性肿瘤之一,其发病率与死亡率位居第一,肺癌的早期发现对患者的有效治疗至关重要。动态对比增强磁共振成像（Dynamic Contrast Enhanced Magnetic Resonance Imaging,DCE-MRI）作为一种无创性检查手段,既能够反映人体解剖形态,也能够反映人体血流与细胞代谢等生理功能信息,对肺肿瘤良恶性的早期鉴别具有重要意义。通常情况下,DCE-MRI图像采集需观测造影剂在病灶区域上的流入流出过程。在图像采集期间,病人运动（例如呼吸、心脏跳动和脉动）可能会导致不同时间采集的图像出现空间位置不对齐,即运动伪影。如果运动伪影出现在病灶位置,则可能直接影响诊断结果的准确性。由于病人运动多数属于弹性形变,在医学图像处理领域,可采用非刚体配准对DCE-MRI图像间的运动伪影进行矫正。由于造影剂的注入会造成传统非刚体配准方法产生较多非真实形变（不合理的膨胀或收缩）,针对DCE-MRI图像的非刚体配准面临很大挑战。为更准确地配准DCE-MRI数据,避免非刚体配准出现非真实形变,本文以肺部DCE-MRI图像为研究对象,对DCE-MRI图像中非刚体配准问题进行了深入研究,主要研究成果如下:（1）针对非刚体配准容易产生非真实形变的问题,提出了一种基于特征点约束的配准方法,其利用自动检测的特征点信息约束配准,减小配准中的非真实形变。针对现有特征点匹配算法在DCE-MRI图像上匹配精度不高的问题,从全局刚性形变具有局部刚性的特点出发,提出了一种基于多尺度局部刚体变换模型（Multiscale Local Rigid Matching,MsLRM）的特征点匹配算法,其利用局部刚体变换模型实现特征点之间的匹配,并通过多尺度匹配策略,控制匹配视野由大到小进行变化,实现匹配精度的逐步细化。为减少错误匹配特征点对配准的影响,设计了基于两阶段的异常特征点筛选算法,根据特征点之间的局部变换关系,剔除错误匹配的特征点对,并将筛选后的特征点匹配信息以最小二乘约束项结合到配准中。实验结果表明,与现有基于特征点约束的配准方法相比,提出方法在肺部DCE-MRI图像配准中具有更优的配准性能。（2）为提高非刚体配准对造影剂变化的鲁棒性,提出了一种结合自适应权重特征点约束与鲁棒主成分分析（Robust Principal Component Analysis,RPCA）的组配准方法。为降低造影剂变化的影响,采用RPCA对DCE-MRI图像序列进行低秩分解,将运动和造影剂引起的像素值变化进行分离。为解决因造影剂分离不完全导致配准出现非真实形变的问题,在配准低秩图像时引入特征点信息约束配准,并通过迭代执行数据分解与配准,逐步消除原始图像之间的运动伪影。为减少不精确特征点对配准精度的影响,根据局部一致性假设,提出了自适应特征点权重计算方法,对匹配精度高的特征点分配更高的约束权重,增大其在配准中的作用。实验结果表明,与现有基于数据分解的组配准方法相比,提出方法对造影剂变化具有更高的鲁棒性,特别是在造影剂达峰前的序列上,配准精度显著提升。（3）基于数据分解的组配准方法存在运动与造影剂分离不完全,需迭代执行数据分解与配准,导致配准时间较长。针对上述问题,将造影剂分离过程构建为图像转换过程,提出了一种基于图像转换的配准方法,其利用图像转换网络生成不含造影剂变化的模拟DCE-MRI图像,实现先分离再配准。根据不同造影剂增强阶段,DCE-MRI图像可分为多个图像域,为解决多域图像之间的转换问题,构建了包含多分支结构的多域图像转换网络（Multi-domain Image-to-image Translation,MDIT）,使同一网络具备处理不同图像域的能力,减小内存占用。为增加生成图像的风格多样性,避免生成模型出现模式坍塌,在MDIT中设计了风格映射网络,为训练模型提供随机生成的风格特征,提高了模型的泛化能力。为解决因图像域之间像素值差异较大致使生成图像质量不佳的问题,设计了归一化的L1损失函数,以平衡不同域间的训练权重。实验结果表明,与基于数据分解的配准方法相比,提出方法在不损失配准精度的前提下,配准效率大幅提升。