图像配准是数字图像处理中的最基础的研究方法之一,现已广泛应用于医学图像分析、计算机视觉与模式识别等领域,目前成为一个研究热点。经典的基于B样条的多层级自由形变(Free-Form Deformation,FFD)配准方法的代价函数由相似性测度项和平滑约束项两项组成,虽然对于形变较小或局部扭曲较小的配准具有较好的效果,但是对于形变较大或局部扭曲较大的一些图像,无法很好地模拟出其形变场进而得到较为准确的结果,针对上述问题,文中提出一种基于L2规范正则化的B样条非刚性配准方法。在基于B样条的经典多层级自由形变配准方法中,由于平滑约束对配准精度影响很大,且不容易控制,为此相比于经典的基于多层B样条的FFD方法,在提出的新方法的代价函数中引入了控制点参数矩阵的Frobenius范数项作为L2规范正则项,通过将L2规范正则项的系数与平滑约束项系数进行协调一致性调整,既能保持图像拓扑结构,又能解决因平滑约束太强而导致精度较低的问题。通过引入L2规范正则项,可以对控制点网格的形变场进行空间限制,从而在一定程度上避免了过配准,能够对局部大扭曲形变进行配准。除此之外,L2范数还具有使优化求解变得快速且稳定的良好性质,增强了图像配准的鲁棒性。通过对自然图像和医学图像进行配准实验,所得结果证明,提出的新方法相比经典的基于多层B样条的FFD配准方法在灰度均方差(MSE)这一客观评价标准上得到明显的提升。