近年来,医学的快速发展,推动了医疗图像的广泛应用。不同的医学图像承载了人体相关器官的不同信息,互为补充,成为临床诊断和治疗的重要参考。在临床上,为了获得病灶组织更为精准的图像信息,常常需要对多种医学图像进行综合分析。因此,医学图像的融合就显得尤为重要,它通过减少图像间的冗余信息增加互补信息以获得更为可靠、全面的融合结果。医学图像配准是融合的前提,它将直接影响最终融合效果。本文从介绍医学图像配准的意义和发展现状出发,分析了配准的基本原理和具体的实现过程,研究了基于互信息的医学图像配准方法。深入讨论了互信息配准方法的中插值方法、搜索算法对配准的影响。针对互信息医学图像配准方法易陷入局部极值问题,提出了改进的部分体积(Partial volume, PV)插值算法,并在图像互信息引入梯度信息,进一步提高了图像配准的准确性。为提高配准速度,本文采用矩和主轴法进行图像的初配准。多组图像配准实验证明,改进后的配准方法能较准确地实现医学图像的配准。对于配准后的图像,本文提出了基于参数化对数图像处理(Parameterized of Logarithmic Image Processing, PLIP)模型和离散小波变换的医学图像融合方法。PLIP模型通过定义一组参数化非线性运算替代图像的线性运算,对灰度值直接操作,适用于非线性的图像处理算法,特别是图像增强、边缘提取和图像修复。离散小波变换具有时—频聚焦性,对PLIP算法处理后的图像进行小波变换可得到不同分辨率和多方向性的小波子带,为不同子带图像融合提供可能。针对小波子带系数融合规则,本文提出了基于人眼视觉的权重选择方法和区域方差、加窗一致性检验选择方法,分别对低频子带和高频子带进行系数融合。然后经过小波逆变换和PLIP模型逆运算得到融合后图像。通过仿真实验证明,本文提出的基于PLIP模型和离散小波变换的图像融合方法融合效果较好,满足人眼的可视性要求。