医学图像诊断在计算机辅助诊断,临床手术等领域发挥着重要的作用,同时它也是一项具有挑战性的工作。作为协助医生进行医学图像诊断的重要工具,医生对于医学图像配准算法的要求日益提升。本研究以医学图像(主要是视网膜眼底图像)为例,提出了一种基于多特征和双约束的医学图像配准算法。在本文算法中,我们使用逐点欧氏距离作为全局几何结构特征,EOH-SIFT和基于向量的几何结构特征当作局部几何结构特征。其中,EOH-SIFT特征描述子可以描述图像的轮廓信息,避免了图像因为缺少轮廓信息,造成特征描述不充分的问题。基于向量的几何结构特征可以在一定程度上解决相近几何结构存在无法辨别或者识别错误等问题。通过引入局部几何结构特征,将其与全局几何结构特征和EOH-SIFT特征结合在一起,构成多特征,本文所提出的混合特征使得特征的描述更为充分。有利于后续对应关系评估和空间变换的更新,亦使图像配准过程具有很好的鲁棒性和精度。本文在对应关系评估和空间变换过程中采用流行的EM算法的优化框架,来对上述两个步骤当中涉及的参数进行估计。在对应关系评估步骤,我们通过比较混合特征之间是否存在特征差异性求解后验概率。接着,我们构造能量方程,方程的期望最小化由求导得到。此过程在再生核希尔伯特空间(Reproducing Kernel Hilbert Space,RKHS)中实现,这些工作用于空间变换更新步骤。为了确保和提升空间变换过程中的稳定性和精度,我们提出了一项局部几何结构约束项(Local Geometric Structure Constraint,LGSC),用来约束点集之间的局部几何结构,同时使用基于运动一致性理论(Motion Coherence Theory,MCT)的全局几何结构约束项,二者结合,共同确保空间变换更新过程精确完成,进而实现医学图像配准过程。我们主要在多种不同的视网膜图像中测试了本文算法,并与五种流行算法进行比较。本文算法在大多数情况下表现出最佳性能。