近年来随着医学影像技术的迅速发展,在磁共振成像技术基础上发展起来的功能磁共振成像(functional Magnetic Resonance Imaging,fMRI)技术,由于其能够无创伤性地对脑功能进行准确的定位,并且具有较好的可重复性和可行性,因此得到广泛的关注和研究。然而,在这一类研究中由于成像设备、个体差异及头动的影响,使得采集的fMRI图像不能直接进行处理分析,必须先进行一系列预处理操作来消除这些因素的影响。其中,图像配准是较为关键的一步,其结果的好坏直接关系到最终脑功能定位的准确性。此外,在对fMRI数据建模分析时,模型的回归量之间往往存在一定的共线性,导致得到不准确甚至错误的统计结果。因此,正确对fMRI数据进行处理和分析是实现脑功能准确定位的基础和前提。本文以fMRI图像为研究对象,对f MRI数据处理和分析过程中存在的问题进行了深入的探讨和研究。通过揭示脑认知活动的深层机制,对许多重大脑疾病的诊断、治疗以及相关病理学、药理学研究都具有重要意义。本文的主要研究工作如下:首先,介绍了图像配准算法的基本概念和框架,从几何变换、特征空间、相似性测度以及搜索策略四个组成部分对配准过程展开阐述,并以实际的fMRI数据为例,利用SPM软件包对fMRI数据的一般处理过程和统计分析过程作了详细的阐述;其次,考虑到fMRI数据采集过程中被试头动的影响,提出了一种基于互信息的功能磁共振图像配准方法,并应用主轴法和多分辨率策略来提高配准的速度和精度;最后,针对fMRI数据分析过程中一般线性模型回归量之间存在的共线性问题,提出了一种正交化方法。通过将相关的两个回归量正交分解为两个独立的量,以此来消除其中一个回归量对另一个回归量在结果变量中的影响,从而得到更加准确的结果。