通俗地讲，图像配准就是将两幅或多幅图像中的相似内容进行对齐。医学图像配准技术是医学图像处理领域的重要研究方向之一，是很多其他图像处理方法的重要准备，如信息融合，图像分割以及特征标识等。随着计算机技术的不断发展以及计算辅助诊断需求的逐渐增多，配准技术也进行着快速的演化，从简单的刚体配准向复杂的非刚体配准发展。本文主要针对两类非刚体配准方法——基于特征的配准和基于像素的配准进行研究，提出了几种改进算法，主要包括：基于距离图和分级配准策略的人脑MR图像配准方法，基于B样条插值函数和拉格朗日乘数法的快速点配准算法，以及一种新的快速粘性流体模型配准算法。 基于特征的图像配准方法首先需要针对特征进行配准。当使用边界轮廓点集作为特征描述时，特征配准就是在点集间建立对应关系。对应关系的好坏直接决定着最终图像配准结果的好坏。本文提出了一种基于距离图以及分级配准策略的人脑MR图像非刚体配准算法。首先利用C-V模型对图像进行边界提取，并对提取所得曲线进行筛选以剔除无用信息。接着使用先整体再局部的分级配准策略，来消除曲线间的初始位置偏差。然后使用距离图来隐式表达目标轮廓曲线，以方便对应关系的建立过程。最后基于对应特征点集求解出合适的空间变换模型，并将该模型应用于图像的全局空间，以实现图像的配准。实验结果证明分级配准策略有助于获得较好的对应特征点集，且能够满足初始偏差较大的配准需求。 基于薄板样条函数的鲁棒点配准算法(Thin-plate Spline Robust Points Matching，简称TPS-RPM)是由Chui等提出的一种非刚体点配准算法。该算法能够针对数量不等的点集进行配准，但在点数较多的场合中，薄板样条函数的计算速度会大大减慢。本文提出了两种基于B样条函数的快速点配准算法。第一种算法使用QR分解方法进行B样条插值系数的快速求解，并将多分辨率策略引入到点集的表达之中，大大提升了算法的计算速度。因为点配准问题可以视为有约束优化问题进行求解，因此我们设计了一种基于拉格朗日乘数法的点配准方法，使用交替迭代的过程来逼近配准问题的局部最优解。一系列对比实验证明，在达到同样配准精度的前提下，新的算法都远快于原有算法。 基于粘滞流体模型的非刚体配准算法是一种适合个体差异较大配准场合的方法。其关键步骤为求解偏微分运动方程组，但原始算法中采用直接离散结合同步超松弛(SOR)的方法相当耗时。为了缩短求解时间，我们提出一种基于粘滞流体B样条模型的快速方法。首先利用B样条对速度场进行建模，将方程组未知量转为B样条系数，从而减少了未知量的个数，降低了计算负担：接着利用B样条的一些重要性质，推导出基于快速傅立叶变换(FFT)的B样条系数求解方法，进一步加快求解速度。通过人造数据以及真实数据的配准实验证明，新算法具有相当快的计算速度，并且能够保证达到与原有算法同样的配准精度。