医学图像配准的主要目的是对相同设备拍摄的不同场景或者不同设备拍摄的相同场景下一系列图像进行适当的空间变换,使得两幅或多幅图像间的对应点在空间位置上对齐。把医学图像配准技术应用于医学影像分析,可以辅助进行疾病诊断和手术治疗。但是由于成像技术的不同,产生很多不同模态的医学图像。若能够有效结合多种模态图像的成像优势,提供更加准确和互补的信息,从而为医生在疾病诊断和手术治疗中提供更全面的依据。解决上述问题最好的方法就是医学图像配准技术。但是目前大多数图像配准方法还存在大偏移情况下配准准确性低,稳定性差等问题,因此,研究如何准确、稳定地实现多模态图像配准具有重要的意义。针对特征点提取较为单一导致在大偏移情况下两两配准效果不好的问题,本文提出了三维脑部核磁图像两两配准方法,该方法包含一个从粗到细的过程,先进行整体粗配准,再进行局部细配准。在整体粗配准阶段,首先对图像进行特征点提取形成特征点集,通过主成分分析法对特征点集合进行空间变换,然后基于迭代最近点算法进行粗配准,减小图像的初始偏移量;在局部细配准阶段,利用联合灰度直方图对感兴趣区域像素进行建模,通过最大化互信息准则进行精细配准,进一步提高配准精度。并对该方法进行了相关的实验验证,结果表明,该方法可有效应用于多模态三维脑部MR图像两两配准,在配准正确率和配准精度上均有明显提升。针对在某些特定场景下,使用两两配准会有一定的局限性,需要集体配准方能满足应用需要这一问题,本文又提出了一种结合特征点和体素信息的多模态三维刚性医学图像集体配准方法。该方法利用高斯混合模型同时对图像强度和图像特征点信息的分布进行建模,它将这些模型集成到一个似然函数,并通过期望最大化算法估计配准参数,通过在三个医学图像数据集上的实验结果表明,该方法在小偏移范围内具有较好的性能。此外,在大偏移情况下,该方法比其他方法具有更高的成功率和准确性。