影像导航介入手术利用医学图像配准实现手术区域、器械与虚拟环境中手术和结构矫正的交互动态定位，帮助医生精确定位病人病灶，提高手术精度，减少手术创伤。由于二维图像缺乏足够的空间信息但可快速获取，一般用于导航手术中，三维图像有足够的空间信息但成像时间较长常用于导航手术前，所以在影像导航手术中利用2D/3D图像配准将三维图像足够的空间信息和二维图像的实时性特征结合在一起，既为医生提供了足够的治疗信息又避免了医生和病人长时间暴露在射线中的危险。本文中所用到的2D图像是指X线透视图像，3D图像是指CT体数据。　　目前应用最多的是基于数字影像重建(Digitally ReconstructedRadiographs，简称DRR)的2D/3D图像配准，其原理是首先利用虚拟点光源将3D体数据投影到2D平面上，得到DRR图像，然后选取适当的相似性测度作为目标函数来衡量DRR图像与2D图像之间的相似程度，最后对目标函数进行优化搜索，当函数达到最优时即代表获得最佳配准。　　多年的研究使得2D/3D图像配准在医学领域得到了很好的应用并且取得了很多研究成果。虽然如此，针对2D/3D图像配准应用的研究依然存在一些问题，有待科研人员去解决和完善。比如，如何从众多配准方法中选择出满足临床要求的2D/3D配准方法等。　　在上述背景下，本文主要做了下列工作:　　(1)简单介绍了2D/3D图像配准技术的背景、发展和应用。对图像配准的原理和方法进行了阐述，尤其是图像配准的具体步骤，其中包括图像配准实现过程中的空间变换、图像插值、相似性测度和优化算法等。　　(2)本文实验数据来源于维也纳医科大学Pawiro等人公开发表的“金标准”数据集，利用这套数据，文中对6种相似性测度和4种优化方法的不同组合进行了基于CUDA加速的2D/3D刚性配准研究，并从配准成功率、平均配准时间和平均迭代次数三个方面对配准结果进行了评估。最后结果显示，以模式强度作为相似性测度，用Powell进行优化搜索是最好的配准组合。此外，总体来说，Powell方法是2D/3D图像刚性配准中最好的优化方法。　　本文系统评估了2D/3D图像配准中常用的相似性测度和优化算法，得到配准结果最好的配准组合和优化方法，为临床上的实时应用提供了理论基础，具有一定的理论和实用价值。