医学图像配准是指在不同的时间、不同角度以及不同模态下获取的多幅医学图像,经过一系列的变换,使相同解剖结构(点)在同一空间坐标位置上一一对应的操作。图像配准是医学图像处理研究的一项核心技术,可用于医学图像的校正,检测解剖结构的变化以及用于融合不同模态的图像,在医学辅助诊断治疗方面应用非常广泛。近几十年来,该项技术的研究得到越来越多学者们的关注。本文针对基于特征匹配的多模态医学图像配准进行了重点研究,使在复杂环境下得到的灰度不均匀和噪声较大的医学图像能够实现自动配准。本文的工作主要包含以下几个方面：1.本文系统地阐述了基于特征点匹配的多模态医学图像配准步骤,介绍了特征点检测、构造描述子、特征匹配、模型参数估计和重采样以及插值技术等算法,着重研究了常用的特征提取算法；分析了Laplace Of Gaussian提取特征点在光照、旋转和尺度等方面的不变性原理。2.针对不同模态医学图像的像素值之间有很大的差异性,导致配准计算复杂度高,配准精度低等问题。本文提出了一种融合熵图理论的基于特征匹配的配准算法。该算法首先利用Laplace Of Gaussian提取特征点,通过局部纹理特征构造加权CS-LBP描述子,然后结合广义近邻图计算特征向量之间的欧式距离进行Renyi互信息的估计并以之为目标函数,最后使用Powell优化算法对目标函数进行优化,求得变换模型参数。该方法在配准过程中不需要对图像的每个像素进行计算,可以提取分布较均匀、易提取的稳定特征来表达图像,在配准过程中只要计算这些特征即可,该方法既可以降低噪声和图像灰度差异所造成的影响,又能降低计算量,缩短配准时间。实验结果表明：在保证配准速度的前提下,配准精度能够达到亚像素级,并对于噪声明显的医学图像也能达到良好的配准效果。3. 针对基于特征提取的医学图像配准算法不能充分利用邻域特征来进行描述子的构建,本文采用了一种新的基于纹理特征的描述子构造方法局部小波模式(Local Wavelet Pattern, LWP),并结合基于概率估计的一致性点漂移算法(Coherent Point Drift, CPD)提出了一种LWP-CPD算法,该算法充分利用了中心点与邻域以及邻域与邻域之间的空间关系,并利用最大似然估计和速度场的运动一致性进行特征点的漂移,最终实现在空间位置上对齐。通过实验结果对比,该算法在配准速度、精度以及鲁棒性等方面明显优于SIFT-CPD和传统NMI的配准算法。