近年来,医学图像配准技术迅速发展。临床上通常需要对同一个病人进行多种模式或同一种模式的多次成像,综合分析所得图像就可以观察到病灶的生长、药物治疗的效果以及对比手术前后的变化。此过程会运用到医学图像融合和医学图像配准技术,并且医学图像配准是图像融合的基础。医学图像配准主要分为基于图像特征的配准和基于图像灰度的配准。传统基于图像特征的医学图像配准算法一般包括四部分：(1)提取图像特征信息组成特征空间,根据特征空间确定几何变换；(2)进行插值运算；(3)选择相似性测度；(4)采取优化算法使相似性测度达到最优值。其中,具有良好不变性和准确性的特征提取方法是一大关键问题。基于图像特征的配准具有计算量小、配准速度快的特点,而基于图像灰度的配准可以避免图像特征的提取对配准结果造成的影响,配准精度更高。本文提出一种基于低秩矩阵恢复的医学图像配准方法,它是一种基于图像灰度的配准方法。它运用低秩矩阵恢复方法寻求可以达到图像配准效果的相似变换。由于同一个人的MRI医学图像具有一定的相似性,可以利用多幅MRI图像经过几何变换后组成低秩矩阵,再将低秩矩阵分解为低秩部分和稀疏噪声矩阵部分,即将图像配准问题转化为低秩矩阵恢复的问题。采用增广拉格朗日乘子法对优化模型进行求解,实现医学图像的配准。