近年来,随着计算机技术的蓬勃发展,图像处理技术被广泛地运用到各个行业的工作中。特别是在医学行业,由于医学成像技术的飞速发展,医学图像处理技术的研究和应用受到了极大地推动。在医学图像处理领域中,医学图像的分割和配准是后续的图像融合、重建和目标识别等操作的前提,在辅助临床诊断和手术定位等事务中发挥着重要的作用。因此,为了提高图像分割与配准的准确性和有效性,国内外学者展开了一系列的实践和研究,提出了许多新的方法。但是大部分的研究都是将分割和配准相互独立的,随着医学图像处理的要求日益严格,独立的分割方法与配准方法的局限性将会逐渐突出。本文开篇对基于B样条的配准方法和基于水平集的分割方法进行了论述。在图像配准的方法中B样条变换因为其良好的局部变换能力,是国内外应用最广泛的非刚性配准方法。B样条配准方法虽然能够有效处理相互之间存在较大形变的图像,但是对于大而复杂的图像变形,局部极值的问题可能变得高度不受约束,并且实现最佳变换需要相当大的计算量。在图像分割方法中,应用较为频繁的就是基于水平集的活动轮廓分割方法。水平集分割方法虽然可以对图像中的复杂结构进行分割,但是如果图像存在噪声数据,分割的结果往往效果欠佳。考虑到独立的分割方法与配准方法的局限性,本文研究了将这两种方法相结合的联合分割与配准方法。本文针对B样条非刚性配准方法和水平集分割方法的弊端,提出了基于局部更新层次B样条双向变换和水平集方法的医学图像联合分割与配准方法。先从待配准图像分割出水平集轮廓,然后使用局部更新的层次B样条变换模型将其变形以与参考图像匹配,从而实现对参考图像的分割;在使用局部更新的层次B样条变换进行配准的同时,利用分割得到的目标边界信息精确地变形图像中的特征,并通过引入双向变换来实现更平滑有效的配准。将水平集方法的能量函数和引入双向变换的层次B样条变换的能量函数相结合,构造联合分割与配准的能量泛函,并结合梯度下降法最小化能量泛函以实现分割与配准。实验结果表明,本文方法的均方误差(MSE)相比于独立的配准方法下降了30%;并且本文方法的Dice度量(DS)均高于独立的分割方法。本文联合方法能够有效提高图像配准的精度,并且在分割含有噪声的图像时鲁棒性较高。