医学图像配准是指针对两幅医学图像，通过对其寻找某种空间变换，使得两幅图像的特征点、面或像素值达到空间上的一致。医学图像配准在临床上有非常重要的研究意义，是非常有价值的。本文分析了非刚性对象形变的特点，对医学图像刚性配准和非刚性配准技术进行了深入系统的研究，以非刚性医学图像配准为目的，对医学图像的配准步骤及配准技术等进行了研究和实现，并且改进了不足的地方，提出了一种更加合理的改进的基于光流场模型的非刚性配准算法。并且通过实验验证了该方法的优越性，有较强的鲁棒性。本文的主要工作如下：1、针对非刚性对象心脏的运动形变特点，采用了分级配准的思路，首先对两幅待配准图像利用SIFT特征算法进行粗配准，再利用光流场算法最终实现精确配准。2、采用SIFT特征算法进行局部图像配准，克服了图像的旋转、尺度缩放、亮度变化等因素的影响，具有较高的辨别能力和较强的适应性，有利于后续的匹配。SIFT特征算法适用于时间序列图像，该算法能够自动、快速地提取图像特征向量。3、采用基于光流场模型的Demons配准算法，采用两幅图像间的互信息对当前偏移变换的梯度为互信息梯度，在图像原有变形力的基础上，增加该梯度为另一个力，两图像间互信息增大的方向即为浮动图像变换的方向，当两图像间的互信息达到最大时，则图像配准已经完成。4、针对配准算法速度问题，本文结合了两种插值方法，分别是线性插值和中心差分方法。同时在算法实现的时候采用了多分辨率策略，进一步有效提高了算法执行速度，并且避免了局部极值的产生，保证配准结果的可靠性和精确性。