医学图像配准是指通过寻找某种空间变换，使两幅图像的特征点达到空间位置和解剖结构上的完全一致。它是医学图像融合的基础，已成为医学图像领域的研究热点。本文结合非刚性医学图像形变的特点，深入地研究了医学图像刚性配准和非刚性配准的常用方法。以非刚性医学图像配准为目的，对医学图像预处理、特征点提取、坐标变换、重新采样、参数优化及配准技术等进行了探索和实践，对传统医学图像配准算法框架中的相关模块进行了改进，并提出了一种基于物理模型的非刚性配准算法。实验证明，与传统的非刚性配准算法相比，该算法在保证配准精确度的同时，增强了配准算法的鲁棒性及抗噪能力。主要工作如下：1、针对非刚性心脏图像形变的特点，提出了一种分级图像配准的策略，即先通过主轴质心法实现两幅图像全局粗略配准，然后利用物理学中的能量函数作为相似度测量，实现图像局部精确配准。2、针对采用传统Harris算法提取的特征点分布不均匀、容易产生聚簇现象及需要人工介入等缺点，提出了一种自适应的特征点提取算法。该算法能够自动、快速提取图像角点，使提取的特征点可以随着图像内容的改变而自适应变化。3、针对非刚性医学图像配准精度问题，提出了一种基于物理模型的配准算法。该算法将非刚性图像的形变过程看作是由于某种物理运动规律所引起，根据物理定律建立描述图像形变的偏微分方程。以图像本身的属性作为附加条件，求解偏微分方程，得到图像的形变量，进而实现图像的配准。4、为了提高配准的速度，提出了一种利用图像特征点将图像感兴趣区域划分为不同规则的三角形网格的方法，使其随图像内容的变化而自适应改变。在兼顾配准精度的前提下，快速求解偏微分方程，得到图像的偏移量，实现图像配准。