随着新型成像技术的发展，活体小动物在预临床的研究中有着重要作用，是现代生物医学研究中重要的实验对象。小动物图像配准对于多模态融合、器官分割和治疗效果评估等方面都有十分重要的意义。本文主要研究了小鼠三维图像非刚性配准算法。小鼠身体结构复杂，主要由骨骼和软组织构成，骨骼和软组织的非刚性形变程度不同会影响小鼠图像非刚性配准的精度，对小鼠图像分步配准是一种行之有效的方法。但是小鼠三维图像较大，配准过程中计算量巨大，导致时间较长，如何在保证一定配准精度的情况下缩减配准的时间是很有意义的工作。本文在现有分步配准算法的基础上提出一种小鼠三维图像的非刚性配准算法，该算法由三步组成：（1）对小鼠图像的预处理，需要对小鼠图像做旋转和平移变换，消除在扫描小鼠图像时因初始化位置不同造成的误差；（2）基于特征点的粗配准，利用点配准流程，提取小鼠骨骼切片中各个连通域的质心作为配准时的特征点，然后利用鲁棒性较强的TPS-RPM算法（基于薄板样条的强鲁棒性点匹配算法）匹配小鼠的特征点，最后计算匹配后特征点的薄板样条变换并用于小鼠全身；（3）对小鼠进行精细非刚性配准，在该步骤中使用多分辨率配准框架，采用互信息作为两幅图像的相似性测度，采用B样条变换作为配准的变换模型，采用B样条插值作为配准的插值方法。为了缩减三维图像配准的时间，采用伪随机采样算法对三维图像进行采样后再计算图像相似度，采用自适应随机梯度下降法对变换参数进行优化。该步骤的具体流程通过elastix配准软件平台实现。最后，本文设计了小鼠配准实验来验证该方法的有效性和鲁棒性。配准实验采用Micro-CT数据作为配准时的验证数据，实验结果表明该算法能够实现三维小鼠图像的非刚性配准，配准速度快且精度较高。