图像对齐是图像处理中的一个基本问题.它在图像三维重构、计算机视觉、遥感融合、模式识别、医学图像处理等众多领域内有广泛的应用.本文主要研究图像的柔性对齐问题.与刚性对齐相比，柔性对齐在模型上比较复杂，没有成熟且能普遍适用的方法，但在相关领域应用中，不论是医学图像重建，三维可视化，还是遥感图像传输结果分析中，又是亟待解决的问题。　　 在本文第二章中我们提出了一种基于B样条表示的关于二维图像柔性对齐均方差模型.实验证明，我们的方法相当稳定，适用于两幅图像问存在大变形差异和小变形差异的各种情形，在不同的实验中都能得到令人满意的结果.与现存两种比较流行的方法sorzano et al.的方法[111]与Claurenz et al.以的方法[43]相比，我们的对齐结果更逼近目标图像.具有明显优势。　　 当拟对齐图像因曝光度不同而存在一定色差时.第二章中所用模型已不适用，我们必须重新寻找新的合适的模型.在第三章中我们提出一种能够屏蔽色差的互相关模型.通过实验比较分析可知，在两拟对齐图像不存在色差时，两种方法效果难分伯仲；但当存在色差时，瓦相关模型就突显其优势。　　 两种模型各有优缺点.均方差模型相对而言计算量少，但是不适用于两幅图像存在色差情形；而互相关模型则不受色差影响，即使在不存在色差的情况下，对齐效果依然不逊于均方差模型，但由于模型自身的原因，计算量高于均方差模型。基于上述两种模型的优缺点，我们在第三章最后给出判断方法，在两种模型间实现自适应选择，若存在色差使用互相关方法，反之则使用均方差方法。　　 在上述两种模型求解中，我们通过全变分方法得到了两种L2梯度流，两种算法都基于有限维B样条基函数构成的空间，在时间方向上使用向前欧拉格式，空间方向上使用有限元离散化.在时间步长的选取上，我们推导出了自适应计算时间步长τ的公式，实现了时间步长的自动选取.另外，在计算过程中，为提高计算速度，我们使用第七章所述相关计算技巧.为了使整个过程更加合理，避免陷入局部极值，我们采用多尺度表示方法从大特征到小细节逐层进行对齐的策略。　　 我们在第四章中提出刚柔并用对齐方法.针对只存在刚性变换的对齐过程，我们的方法将会迅速正确对齐两幅图像，如果刚性对齐过程不能达到理想的对齐结果，柔性对齐将是很好的补充；如果两幅图像不存在刚性变换，则刚柔并用对齐模型即为柔性对齐模型，刚性对齐过程在此充当了柔性对齐的预处理。　　 在第五章中，我们提出一种基于对齐的图像插值方法.首先，进行图像对齐以得到两幅图像间的具有C2连续性质的对应映射x；然后，利用所得结果映射对初始图像进行插值以得到任意时刻所对应的插值结果.通过与线性插值方法进行对比，发现应用我们的插值方法所得到的序列图像更加合理。　　 本文最后将前面所介绍的二维对齐模型，图像插值方法推广到三维，并给出初步实验结果。