在医学诊断和治疗的过程中，常常需要对比多幅图像进行分析以获得更精确和全面的信息。图像分析需要多幅图像的几何位置保持一致，即需要对多幅图像进行配准。因此，医学图像配准是医学图像处理领域中一个基础和重要的研究课题。近年来，随着医学影像技术和计算机技术的不断发展，医学图像配准技术得到了不断的发展和完善，其应用领域也不断扩展，它已成为医学图像融合、医学图像重建、图像与标准图谱匹配等研究的基础。目前，医学图像配准已成为医学图像处理领域研究的热点和难点之一。　　医学图像配准主要可以分为基于特征驱动的方法和基于灰度驱动的方法两大类。本文在基于特征驱动方法的基础上，对图像配准各个环节所使用的技术进行了深入的研究。论文的主要工作如下：　　(1)首先对特征点获取过程中存在的问题进行了深入的研究和讨论。准确、自动的提取特征点是特征获取过程中的难点。本文针对肝脏和肺器官存在大量血管结构的特点，使用了一种自动提取特征点并确定特征点集间映射关系的算法。为了更好的提取出血管，提出了一种改变平均灰度进行二值化图像的方法，采用Palagyi算法对血管进行细化，建立血管树型模型，通过对血管树的遍历，找出分支结点和叶结点，作为特征点集；通过联合图配准算法，寻找两幅图像中对应的血管树，进而找到特征点集之间初步的映射关系。　　(2)对现有的冗余点去除算法进行了研究。深入研究了 Soft Assign算法、RANSAC算法和 GTM算法的基本原理，通过仿真实验分别从精确度、正确点的留存率、能量函数三个方面对其去除冗余点的效果进行了综合评估并给出结论。采用快速搜索近邻法对 GTM算法进行改进，实验证明，改进的 GTM算法在不改变计算精确度的基础上，大大提高了算法的运行效率。　　(3)深入研究了薄板样条差值算法和 B样条插值算法。针对 B样条差值算法中函数变换的精确性与平滑性难以兼顾的问题，提出了基于多分辨率的 B样条插值算法，此算法将控制网格分级，最稀疏的网格拟合大的形变，较密的网格减小逼近误差。实验证明了多分辨率的B样条插值能够使配准结果的精确性和光滑性达到很好的平衡。