肺部是人体重要的呼吸器官。对肺部进行疾病诊断时,医生通常通过肺部医学影像来辅助判断病变情况。有时需要将不同时期获取的肺部图像放在一起进行比较和分析,首先需要将这些图像在空间位置上进行对齐,即进行图像配准。肺部由于呼吸运动不可避免的会产生复杂形变,所以肺部CT图像配准需要采用非刚性配准算法来实现。肺部图像配准是非刚性配准领域一个难点课题,也是肺部图像分析的关键步骤之一,具有重要意义。本文以肺部单模态CT图像为数据源,以均方差的相似性测度,高斯牛顿L-BFGS(Limited-memory BFGS)优化算法为基础,针对传统配准方法的计算量大、易陷入局部极值、配准精度差等问题进行研究。在相似性测度、空间变换、优化算法等配准的关键步骤上提出改进,提出了一种肺部CT图像非刚性配准方法,实验结果表明,该方法取得了较好的结果。本文的主要内容有:1.本文在研究均方差测度的基础上结合惩罚项,提出一种基于改进型均方差的单模态非刚性配准算法,该方法提高了配准精度。应用于肺部CT图像中,与传统均方差测度相比较,改进型均方差的配准精度得到较大提升。2.针对肺部CT图像,设计了基于自由形变模型(Free-form Deformation,简称FFD)正则项均方差的非刚性配准算法。针对肺部形变严重,使用FFD模型模拟肺部形变,并引入分层次的空间变换模型,将配准过程分为粗配准和细配准。粗配准即使用仿射变换法使图像全局基本对齐,再进行细配准,即使用FFD模型使图像局部形变得以矫正。并使用带正则项的均方差测度作为衡量图像是否对齐的标准,其中正则项为控制形变平滑度,与改进型均方差测度和传统的均方差测度相比,配准精度得到较大提升。3.针对L-BFGS优化算法易陷入局部极值的缺点,提出一种结合L-BFGS和自适应协方差矩阵进化算法(Convariance Matrix Adaptation Evolutionary Strategies,简称CMA-ES算法)混合优化算法。在配准过程中,先使用CMA-ES算法进行全局搜索,后再使用L-BFGS算法进行局部搜索,实验结果表明,本文提出的混合优化算法取得较好的结果。