医学成像技术的飞速发展,使得医学图像逐渐成为临床诊断与治疗中的重要依据。对存在较大形变的医学图像进行弹性配准是当前临床应用中的一个重要研究课题。其中,基于样条变换的弹性配准算法通过控制点及样条基函数来对待配准图像的弹性形变进行描述,具有诸多优良特性。因此,本文将弹性配准算法分为基于特征的、基于灰度的和基于特征与灰度的三大类,并在此基础上选用薄板样条和B样条作为空间变换模型,从而实现对形变较大的医学图像的快速精确配准。在基于特征的弹性配准算法中,针对SIFT算法不能在形变较大的局部区域提取出有效特征点对的不足,提出了一种基于逐步细化特征提取和样条变换的弹性配准算法。该算法首先对待配准图像使用SIFT算法进行初步的特征提取与匹配,从而得到体现图像全局形变的特征点对;接着通过计算经薄板样条变换后的浮动图像与参考图像的对应控制点的像素点邻域灰度均方差,寻找形变较大的局部区域;然后对这些区域利用互信息再次进行特征提取与匹配,从而得到体现图像局部形变的特征点对。实验结果表明,该算法不仅减少了特征提取与匹配过程所需时间,而且其配准精度也得到了有效提高。在基于灰度的弹性配准算法中,对局部具有较大形变的医学图像在使用层次B样条变换配准时,由于每层控制网格都要进行全局细化,在造成不必要的计算的同时,对在上一层网格中已配准好的图像区域也将受到影响。因此,提出了一种基于局部区域细化层次B样条的弹性配准算法。该算法首先对浮动图像的全局采用较大的控制网格快速完成粗配准,然后对其中形变较大的部分区域使用较小的控制网格实现局部精配准。实验结果表明,该算法不仅减少了变换过程中所耗费的时间,而且其配准精度也得到了保证。为了能够对存在较大形变的医学图像更进一步地实现快速精确配准,提出了一种基于特征与灰度的混合样条变换弹性配准算法。该算法不仅将基于特征的和基于灰度的弹性配准算法进行了结合,而且同时利用了薄板样条和B样条各自的优势。即首先通过SIFT算法所得特征点对对浮动图像进行薄板样条变换,得到初步配准图像;然后使用互信息作为相似性测度,对其进行局部区域细化层次B样条变换,得到最终配准图像。实验结果表明,该算法使配准的速度和精度同时得到了一定程度的提高。