医学成像技术的快速发展和影像数据的高速增长对于医学图像处理与分析领域研究起到了巨大的推动作用。其中如何量化提取和分析图像中蕴含的结构、功能和病理信息,以便辅助医生进行诊断、制定手术规划和评估治疗效果等,逐渐成为医学图像分析领域关注的热点。医学图像分割和医学图像配准正是这些研究热点的基础和前提。但由于医学成像中存在多种噪声干扰、伪影等,以及各个组织器官、病变的多样性以及个体差异性等,使得医学图像分割和配准中也存在很多难点问题。在此背景下,为了能对医学图像进行更加鲁棒、精确的目标分割和配准,本文研究思路主要遵循以下两个方面：一是根据不同的应用背景设计适合的模型并进行改进；二是依据待分割、配准的目标来提取局部统计特征或者采用稀疏表示提取结构性特征,并结合目标的先验知识来指导模型优化过程。所取得的研究成果如下：提出了基于局部统计相似度特征的主动轮廓模型和图切分模型、基于LBP纹理特征的随机游走模型、基于分布式判别字典学习的形变模型和层次式稀疏约束下的图匹配模型。本文主要研究内容及创新之处如下：1.为了解决医学图像在弱边界下分割泄露问题,将图像的局部统计分布特征和Bhattacharyya相似度信息相结合并引入到测地线主动轮廓模型(Geodesic Active Contour, GAC)和图切分(Graph Cuts,GC)模型的能量函数构造中。改进后GAC算法相当于为模型引入了一个基于似然比检验的回拉力,可有效阻止弱边界处泄露；基于非参数估计的能量函数构造更适用于小样本和分布函数不恒定的情况,使得改进GC模型更完整地提取图像目标的细节部分。将改进GAC和GC模型应用至膝关节MRI序列分割,提出完整分割各骨骼与半月板等结构的框架。在实验与分析部分,进行了定量与定性的实验对比。对噪声与局部体效应影响下的膝关节MRI序列及其它医学图像,结果表明所提出的方法能够有效提高分割精度。2.针对传统随机游走图像分割方法仅考虑图像边界信息的局限性,通过求解融入纹理特征信息的对称、半正定线性方程组,提出一种新的基于随机游走的纹理图像分割算法。为了构造该方程组,首先通过局部二元模式(Local Binary Pattern,LBP)算子来描述纹理,将图像映射至不同纹理之间有显著区别的LBP图上,进而将其与梯度和几何信息结合并构造倒数型像素相似度,形成方程所需的权值矩阵,在随机游走模型下使已标号区域向未知区域传递,从而实现纹理图像分割。最后以纹理图像、噪声合成图像、MRI、CT图像为实验对象来验证算法的有效性。定性及定量实验结果表明，在多目标分割任务下,所提方法有更好的有效性和精确性。3.针对主动外观/形状模型中需要图像外观/形状满足高斯分布假设的局限性,提出了一种新的分布式判别字典(Distributed Discriminative Dictionary,DDD)学习算法,并与形变模型结合指导MR图像中三维前列腺目标的自动分割。DDD学习算法可以非参数形式且有判别性地描述图像外观特征,从而引导形变模型的演化和分割过程。具体来说,DDD模型中主要采用了以下三种策略来提高其判别能力。首先分布式判别字典学习算法通过mRMR特征选择约束稀疏学习在一个高判别性的特征空间中。然后对稀疏学习后得到的表示残差使用线性判别分析进行进一步学习分类,提高不同类别间分类性能。最后采用“分而治之”的思想取代传统的全局字典学习,即先将形变模型沿前列腺边界进行分块,再对每块单独训练得到一个判别字典,称之为分布式学习。由于在局部区域中所蕴含的图像外观变化较小,故分布式字典学习可以更好的区分局部上的解剖组织类别。此外,在非高斯分布形状变化的情况下,使用Sparse Shape Composition(SSC)算法来描述形状统计的非参数模型,从而对形状模型先验进行建模,保持模型与形状空间的一致性。在3D前列腺MR图像库上进行实验表明,基于DDD学习的形变模型的分割结果在视觉和量化评价上均得到更好的效果。4.在处理具有较大目标形变的医学图像对应点检测问题中,计算机视觉领域中的经典图匹配算法所得到的匹配精度往往不令人满意。针对这一问题,提出了一种新的稀疏约束下层次式图匹配算法,称为层次式稀疏图匹配算法(Hierarchical Sparse Graph Matching, HSGM)。具体来说,在层次式稀疏图匹配算法中,首先提出Line patch概念(即对局部图像块采样得到的一系列灰度剖面)来计算特征点对间的外观相似度,并与经典图匹配算法中的几何相似度相结合,提高了对应点匹配中对应点间相似度计算的可靠性。其次,在匹配概率上引入稀疏约束,实现了对错误匹配的抑制,提高了一一对应的精确性。最后将稀疏图匹配算法与层次式多参考模型框架相结合,通过采用多个参考模型和将参考模型逐渐配准至目标图像上,使得算法能够解决不同个体间具有较大解剖结构变化下的图像匹配问题,从而达到提高匹配精度和鲁棒性的目标。将HSGM算法应用于手部X光图像中进行对应点检测。实验表明,相对于其他图匹配算法,HSGM在复杂条件下匹配效果的鲁棒性和准确性更好。