乳腺X线摄影术是早期发现乳腺癌最可靠、最有效的筛查工具。乳腺X线图像配准技术在计算机辅助检测系统中起着重要的作用。为了获得足够的深度学习训练数据集,通常需要建立包含数千名妇女乳腺X线图像的大型数据库,然后在相同的框架下对不同妇女的局部图像块进行分析。因此,需要对不同个体的乳腺X线图像进行配准,将不同个体之间具有相同解剖结构的点或区域在图像上对齐,便于后面深度学习模型的训练以及异常检测与分类。医学图像配准是整合和分析各种来源信息的重要任务之一。本文首先介绍了课题的研究背景与研究意义,其次从图像特征配准技术和图像强度配准技术两个方面介绍了当前的研究现状。再次,系统地介绍了医学图像配准的相关理论基础。给出了医学图像配准的数学表达式以及图像配准分类标准。大体介绍了医学图像配准的基本框架、流程和基本步骤。最后,详细介绍了医学图像配准的四个重要模块与配准质量评价标准。本文主要研究不同个体的乳腺X线图像配准方法,提出一种基于非刚性配准的方法,以在同一框架下分析不同女性的乳腺X线图像。这使得基于不同个体的正常或异常建模成为可能。然而,传统的基于自由形变模型的配准算法不能准确地对不同个体的乳腺X线图像进行配准,而且配准效率低。本文提出了一种基于全局粗配准和局部精细配准相结合的非刚性图像配准方法,将灰度差平方和作为相似性测度,将L-BFGS算法作为最优化算法来优化配准参数,并从乳腺X线图像分析学会(MIAS)数据库中选取了 10对不同个体的乳腺X线图像进行实验研究。实验结果表明,与传统的基于自由形态模型的图像配准算法和Demons配准算法相比,该方法有效提高了不同个体的乳腺X线图像的配准精度和效率。