医学图像配准已成为疾病诊疗的重要工具,如基于多模态脑图像配准的疾病诊断方法和基于肺部4D CT图像配准的肿瘤放射治疗方法。在多模态医学图像配准中,因为不同模态成像的物理机理差异较大,图像不同局部的灰度对应关系不一致,从而难以找到对应图像灰度之间的全局一致对应关系。在单模态医学图像进行配准中,图像会因为诸如非均匀磁场和噪声等因素导致图像灰度出现局部非均匀变化,同样难以找到对应图像灰度之间的全局一致对应关系。这种不一致性制约着图像配准精度进一步提高,成为医学图像配准中的关键问题之一。本文针对脑部磁共振图像和4D CT肺部图像的不同特点,提出不同的图像描述子解决对应图像灰度的全局不一致对应问题。图像引导放射治疗是肺癌治疗的主要手段之一。而4D CT肺部图像的非刚性配准算法是图像引导放射治疗的关键技术。图像配准算法与放疗技术相结合,有助于精确杀死癌细胞。然而目前肺部4D CT图像的非刚性配准算法存在三大困难：肺部压缩导致的图像灰度局部非均匀变化使得经典的全局相似度函数失效；肺部运动较大的偏移量使得经典光流模型很难准确估计运动；心脏搏动导致肺部运动的局部不连续性使得经典的正则化目标函数失效。这些困难制约了肺部图像的配准算法精度的提高。本文针对4D CT图像配准遇到的三大关键问题,提出如下策略：采用提出的图像描述子解决灰度局部非均匀变化的问题；采用由粗到精图像金字塔方法解决肺部运动偏移量较大的问题；采用双边滤波器解决肺部运动的局部不连续性问题。本文综合上述措施提出两种高精度的肺部4D CT配准算法。本文的主要工作和创新点如下：(1)基于边缘邻域描述子的多模态配准方法近年来提出的熵图像描述子、基于流形学习描述子和模态无关描述子等方法可以在一定程度上解决图像灰度的全局不一致对应的问题。然而这些描述子的计算复杂度较高,内存要求较高,配准的精度有待于进一步提高。本文提出一种新的描述子,对图像进行结构化表示,使得不同模态图像能够得到一致的结构表示。具体实现如下,首先将图像分成4种类型区域：图像背景、图像边缘、图像边缘的邻域和其他区域,然后给图像不同的区域设置不同的权重。由于该描述子同时依赖于边缘和邻域,本文将该描述子命名为边缘邻域描述子。该边缘邻域描述子原理简单,计算速度非常快,是熵图像描述子计算速度的50倍。在基于边缘邻域描述子的多模态配准方法中,首先计算不同模态图像的边缘邻域描述子,得到不同图像的一致表示,然后使用经典配准算法对图像的边缘邻域描述子进行配准。实验结果表明基于边缘邻域描述子的多模态脑部图像配准精度优于经典的互信息方法和熵图像描述子。(2)基于图像特征和流形学习的多模态配准方法熵图像描述子、模态无关邻域描述子和前面提出的边缘邻域描述子等方法仅仅考虑局部关系,没有考虑像素邻域间的全局关系。基于流形学习的图像描述子同时考虑了像素邻域间的局部和全局关系。然而,由于计算的时间复杂度和空间复杂度特别高,几乎不可能将流形学习直接应用到3D图像中。因此,大尺度流形学习逼近方法的研究非常有必要。本文将随机投影树方法和k-means聚类这两个经典的逼近方法应用到基于流形学习的图像描述子中,并提出两种大尺度流形学习的逼近方法。这两种方法基本思想一致：首先根据图像特征检测的结果选择代表性点集；然后在该点集和该点集邻域窗口上构建流形；最后将图像中剩下的点嵌入到已经构建的流形中。第一种方法利用Canny边缘检测的结果选择代表性点集；第二种方法利用Harris角点的检测结果选择代表性点集。提出的两种大尺度流形学习逼近方法比原来的流形学习描述子快45到51倍,也比基于随机投影树方法和k-means聚类方法的流形学习描述子快3到5倍。实验结果表明基于提出方法的多模态脑部图像配准精度优于熵图像描述子、随机投影树方法和k-means聚类的方法。(3)基于混合局部二值模式的肺部4D CT非刚性配准方法肺部4D CT图像的非刚性配准是临床医疗上的重要工具,有着广泛的应用。然而肺部4D CT图像配准精度的提高受到灰度的局部非均匀变化和肺部较大的偏移量等因素的影响。近年来Census代价函数被用来处理灰度局部非均匀变化问题。但是该方法降低了图像的区分度,给配准算法带来负面的影响。本文将对称局部二值模式的单一阈值推广到两个阈值,同时将推广的对称局部二值模式和中值二值模式组成一种新的混合局部二值模式。由于使用了更多阈值,混合局部二值模式不仅能够解决灰度局部非均匀变化问题,而且还能够较好保持图像的区分度。在经典的Lucas-Kanade光流法基础上,我们提出精确逆一致对称光流法(Accurate Inverse-consistent Symmetric Optical Flow, AISOF)。AISOF方法由混合局部二值模式、逆一致对称方法、由粗到精图像金字塔方法和经典Lucas-Kanade方法集合而成。AISOF方法特点：Lucas-Kanade方法简洁高效；采用混合局部二值模式解决灰度局部非均匀变化问题；采用逆一致对称方法提高配准的精度；采用由粗到精图像金字塔方法解决肺部偏移量较大的问题。实验结果表明基于混合局部二值模式的配准精度高于模态无关邻域描述子、自相似上下文描述子和经典的局部二值模式。在美国德克萨斯大学的4D CT数据集上,AISOF方法的目标配准误差为1.16 mm,这个误差比经典的Lucas-Kanade方法小1.67mm。(4)基于双边滤波器的肺部4D CT配准方法在本文前期的工作中,提出了混合局部二值模式和AISOF肺部4D CT非刚性配准方法。在混合局部二值模式中,将经典的对称局部二值模式的单个阈值推广到两个阈值。然而在灰度变化较大的时候,两个阈值并不能很好的表示局部特征。为此,我们提出三个阈值的混合局部二值模式,并将其命名为多闽值局部二值模式。心脏搏动等因素会导致肺部运动在边界处不连续性。而双边滤波器具有保持边缘的特征,能够较好的解决这种不连续性问题。本文将多阈值局部二值模式和双边滤波器应用到AISOF方法中,并将其命名为BISOF(Bilateral filters based Inverse-consistency Symmetrica Optical Flow).在美国德克萨斯大学的4DCT数据集上,BISOF方法的目标配准误差为1.07mm。这个结果优于AISOF方法的结果1.16rmm。与同样包含双边滤波器的Demons算法相比,BISOF方法性能优越,误差减少0.83mm,配准速度提高4-5倍。