计算机辅助手术(CAS Computer Assisted Surgery)技术是目前医学领域的研究热点之一。它通过手术规划，手术模拟，系统配准，引导手术和术后评估等一系列过程，对病灶进行定位，并引导医生对病灶进行处理，解决了常规手术中难以定位的问题。特别是在创伤骨科手术中，由于骨骼的复杂结构，骨骼附近的血管神经密布等特点，临床上对计算机辅助导航骨科创伤手术有着更迫切的需求。　　本文以导航手术中最为关键的图像配准技术作为切入点，目的是为骨创伤导航手术的术前术中图像配准提出解决方案，并且通过改进的术中图像与病人解剖结构配准方法提高导航图像的质量。论文完成的主要工作和取得的创新性成果包括：　　1.设计了新型投影模型，在此投影模型基础之上提出了基于图像均匀性的改进RayCasting算法，并对改进RayCasting算法进行基于CUDA平台的硬件加速。首先，对二维三维图像配准中的投影模型进行研究，提出了新型投影模型。该投影模型有效地降低了投影失真对尺度参数优化的影响从而提高了配准的鲁棒性。然后，以新型投影模型为基础对RayCasting算法进行改进。改进算法利用三维图像局部均匀性有效地降低了传统RayCasting算法中沿X射线积分的冗余度，提高了算法的效率。最后，通过GPU对改进RayCasting算法进行硬件加速，大大缩短了仿真投影图像的生成时间。　　2.在新型投影模型基础之上结合傅里叶梅林域中图像相似度比较方法提出了一种鲁棒性强的二维三维图像配准算法，较好地解决了术前规划和术中三维重建图像配准问题。首先，对傅里叶梅林域中图像旋转、尺度、平移不变性进行研究。提出了针对新型投影模型的二维三维图像配准方法。该方法将复杂的高维参数空间中的优化问题简化为一系列低维空间中的优化，增加了图像配准的鲁棒性。其次，在对每一个参数优化时，提出了多尺度优化方法。最后，在优化尺度参数时，提出了基于相位相关方法和信息熵方法的尺度一致性的比较方法。　　3.研究了术中三维图像与病人解剖结构配准过程中标定点带来的图像失真问题，提出了基于二维投影图像的标定点三维坐标自动重建算法。首先，提出了在二维投影图像中自动检测标定点的图像处理方法。然后，在重建过程中，为了对二维投影图像间的标定点进行配对，提出了基于点云归一化的改进SVD点云配对方法。并应用线性重建方法对二维坐标进行三维重建。最后，在此基础之上，本文提出了基于蒙特卡罗随机过程的自动三维重建框架。基于二维投影图像的标定点三维坐标自动重建算法降低了三维图像中的失真并且保证了配准的精度。　　在二维三维图像配准中，新型投影模型有效地去除了投影失真对尺度参数优化的影响从而提高了配准的鲁棒性。同时，通过对改进RayCasting算法的硬件加速，使得仿真投影图像的生成速度相对标准RayCasting算法提高了99.33倍，为二维三维图像的实时配准奠定了基础。在二维三维配准中，应用多尺度优化方法，在增加优化范围的同时提高了参数优化的精确度。实验数据显示，本文中方法的配准误差可以达到0.6度的平均旋转误差以及1.4毫米的平均平移误差。　　在术中三维重建图像与病人解剖结构配准过程中，应用基于二维投影图像的三维标定点重建方法，避免了三维图像中由标定点产生的失真。重建后的三维标定点坐标具有较高的精确度。实验数据显示，重建后的标定点平均误差是0.36毫米。