随着生物医学工程和计算机科学技术的快速发展,医学成像技术已经普遍应用于临床诊断和治疗,并且各种不同的成像设备也应运而生,如CT、PET、MRI、US等。不同的医学图像可以提供人体器官或者组织的不同信息。在临床上,医生为了得到病人更丰富的信息以便于更准确的诊断病情,往往需要对来自不同成像设备或者同一成像设备不同时期的医学图像进行综合分析。然而对不同的医学图像进行分析,首先必须保证这些图像的同一空间位置代表同一解剖位置,这就需要通过配准来实现。医学图像配准可以辅助医生进行诊断和治疗,此外,在病理变化的监测以及治疗方案的评估等方面也有重要的应用价值。由于其重要的临床意义,医学图像配准近些年一直是医学影像处理领域的一个重要研究方向。医学图像配准通常可以分为两大类：基于特征的配准和基于灰度信息的配准。基于灰度信息的配准方法,不需要分割、特征提取等预处理,配准精度高,鲁棒性好,是目前研究和应用较多的一种配准方法。本文实现了一种基于归一化互信息的医学序列图像刚体配准方法,并从配准的速度方面做了改进。针对医学序列图像数据量大,处理耗时这一问题,本文将一种阻尼正交优化算法应用到配准过程中,旨在为优化搜索算法提供一组恰当的初始值,从而降低迭代次数,缩短配准时间。实验结果表明,这种方法能够显著提高配准的速度,并且不降低配准的精度。在临床上,医生为了跟踪监测脑瘤的变化,必须对比不同时期的脑瘤序列图像,这就首先需要对不同时期获取的图像进行配准。本文将这种配准方法应用于脑瘤变化检测与定征(Change Detection and Characterization, CDC)的预处理中,实现了MR序列图像配准。人体内的组织、器官是生物弹性体,在分析处理其图像时,将其视为刚体必然存在较大的误差。所以,在医学图像配准领域,弹性配准有着更高的精确性和更广泛的临床意义。本文实现了一种基于分级策略的医学图像弹性配准,该算法是通过对多个局部刚体配准结果的插值来建立待配准的两幅图像之间的弹性变换模型。本文对该算法的性能进行了仿真研究,并与刚体配准结果进行了对比,实验结果表明该算法有更高的精确性。实时心肌声学造影(Real Time Myocardial Contrast Echocardiography, RT-MCE)是能够可靠评价心肌微循环的一项新技术。实时MCE定量分析也已经成为热点研究专题之一,其中应用最普遍的分析方法是时间-强度曲线分析。但是,心肌ROI位置的帧间偏移会大大降低这种方法的准确性和客观性。本文将医学图像的弹性配准技术初步应用到实时MCE的定量分析中,以实现心肌ROI区域的位置校准。