图像配准(Image registration)就是将两幅或多幅图像进行匹配、叠加，这些图像可以是不同时间、不同传感器(成像设备)或不同条件下(天候、照度、摄像位置和角度等)获取的。图像配准在医学图像处理、遥感图像、计算机视觉等领域都有很广泛的应用，是目标识别、变化检测、图像镶嵌、图像融合、时序图像分析等实际应用中关键环节。MRI图像的配准对于MRI时序图像分析、癫痫病的诊断都有很大的帮助。交叉视觉皮质模型(Intersecting Cortical Model, ICM)作为第三代人工神经网络模型，因其不同于传统神经网络的特点——不需要学习和训练，已在图像处理中有广泛的应用，如图像平滑、图像去噪、图像分割等，本文将用交叉视觉皮质模型来实现MRI图像配准。图像配准技术发展到现在，已经有很成熟的方法，稳定的操作流程。本文首先介绍了图像配准技术的图像配准的发展以及图像配准的各种方法。然后阐述了脉冲耦合皮质模型(pulse-coupled neural network, PCNN)的原理以及其简化模型——脉冲视觉皮质模型的原理，及在图像应用中的机制。同时还说明传统应用ICM的方法，时间序列和时间矩阵存在的一些问题。在此基础上，本文对ICM模型做一定改进，提出了点火次数矩阵的ICM方法，并使之应用于图像配准，实验取得不错效果。为了减少模型运行时间，还运用边缘检测的方法来减少模型中的卷积运算以减少运行时间。本文主要内容可以归纳一下几个部分：(1)介绍图像配准技术：原理、分类、评价等；(2)研究脉冲视觉皮质模型运行特点，了解其的优缺点，在此基础上，提出本文的点火次数矩阵方法；(3)用边缘检测的方法来减少模型应用于图像时的运行时间。