逆向构建纳米尺度脑神经回路物理结构,其目的是为探求神经回路结构与大脑功能之间的关系提供依据。近期,由于扫描电子显微镜(SEM)的快速发展,它能够拍出更高分辨率的图像。从而,我们可以得到更加清晰的神经组织微观结构。作为一种基于序列切片的方法,带式自动收集序列切片扫描电镜(ATUM-SEM)使用滚筒设计加带式系统的方法实现超薄切片的自动收集和常规场发射扫描电镜背散射探测器成像,是一种非常适合于大规模统计和分析亚细胞结构的方法。使用这种方法对神经组织进行3D重建的主要流程包括样品制备、切片、成像、图像配准、三维重建等环节。本文主要研究ATUM-SEM序列切片图像的配准方法,这是3D重建过程中的重要环节,目的是恢复神经组织切片图像的三维连续性和几何特性,为后续的重建分析提供良好的图像数据集。但是生物组织是柔软的,切片时组织会发生变形和损坏;在样品制备、染色等过程中,样品可能会受到污染;就切片本身来说,虽然相邻切片间的图像内容具有一定的相似性,但这取决于切片的厚度,较厚的切片会导致相邻图像有着较低的相似性;此外,电镜图像分辨率可以达到几纳米,而切片厚度为几十纳米,因此图像在三维尺度上表现为各向异性。以上种种问题,都为神经组织序列显微图像配准带来了很大挑战。本文提出一种方法用以ATUM-SEM序列切片图像配准。我们方法的主要流程包括:粗配准,精配准和图像变形。粗配准中,我们首先提取两幅图像的SIFT特征点,然后对特征点进行匹配;在得到匹配点对之后,我们使用最小二乘算法去估计两幅图像之间的刚性变换,再对图像进行变形以消除图像间的刚性形变。在接下来的精配准中,我们需要消除图像中的非刚性形变。因为SIFT特征是一种使用广泛的特征描述子并且可以细致的表述图像中的局部细节,所以我们对每幅图像提取深度SIFT特征点。然后,我们使用siftflow算法进行稠密的特征点匹配。但是这种匹配方式并没有显式地去除孤立点。我们设计了一种新的孤立点剔除的算法,首先我们使用带有流形正则项的支持向量回归模型去估计对应点集之间的变换函数,变换函数取自再生核希尔伯特空间。在得到变换函数之后,我们想要估计出每个点对是误匹配的概率,为此我们采用了一种混合模型,结合EM算法我们可以求出每对匹配是误匹配的后验概率并以此为依据去剔除误匹配的点对。最后,我们使用移动最小二乘的变形方法进行图像变形。本文的创新点主要包含以下两点:1.本文提出了 一种流程用于ATUM-SEM序列切片图像的配准;2.本文针对点集配准问题提出了一种全新的误匹配剔除方法。实验结果表明使用本文的流程进行ATUM-SEM序列图像配准可以取得良好的效果。