医学图像配准是现代医学图像处理技术应用的一个重要方面。它的主要目的是将不同时间、不同视场、不同成像模式的两幅或多幅图像进行空间几何变换,以使图像的所有解剖点,或至少代表相同解剖结构的像素或体素在空间位置上能够匹配。本文对现有的特征提取方法进行了分析,重点研究了图像边缘特征的提取方法。针对Canny算子和小波变换算法在边缘提取方面的不足,提出了一种新的提取图像边缘的方法,即Canny算子结合小波变换的边缘提取算法。该算法先用Canny算子和小波变换算法分别提取图像的边缘,然后用小波变换提取的边缘约束Canny算子提取的边缘,去除其中的噪声点,最后进一步处理,形成最终的边缘图像。研究了Hausdorff距离算法。该算法计算简单,不需要特征点之间的一一对应关系,作为相似性测度在图像配准中具有普遍应用。但是,Hausdorff距离只包含部分图像信息,不能处理目标被遮掩和有较大形变存在的情形,且对噪声敏感。针对以上问题,本文提出了一种新的改进算法—差平方Hausdorff距离算法,在原始Hausdorff距离定义的基础上,加入了图像间的差平方信息。整合了本文采用的配准新算法,变换模型应用高质量的三次B样条弹性模型,用模拟退火和遗传算法相结合的混合优化算法优化变换参数,避免配准结果陷入局部极值。给出了本文非刚性配准算法的完整过程。对同一模式和不同模式的CT、MR、PET图像进行了大量的基于OpenCV的仿真实验。同时将本文算法的配准结果与Canny算子和传统Hausdorff距离算法的结果进行了对比分析,实验结果证明了本文的新配准算法具有更好的优越性。