本文研究了常用医学图像配准算法，将最大互信息相似性测度和图像梯度引入到点配准算法中，给出并实现了一种新的基于最大互信息和图像梯度组合的CT与MRI多模医学图像配准算法。实验结果表明，此算法具有较高的配准精度和较快的计算速度。在查阅大量相关文献的基础上，深入分析、研究了常用的医学图像融合算法，在吸收他们各自优点的基础上，结合小波多层分解的理论基础，给出了一种基于小波变换的医学图像融合方法。利用此融合方法对同一个人同一部位的MRI图像的T1加权像和T2加权像进行融合，通过实验证明该方案的融合效果较好。 研究了小波包变换的基本原理和特点，给出了一种基于正交小波包分解的图像融合算法。正交小波包分解能够将信号(图像)频带进行多层次划分，对小波分解没有细分的高频部分也进一步分解，从而提高了频率分辨率，能有效地提取特定的频率成分。正交小波包分析能够为图像融合提供一种比小波多分辨分析更加精细的分析方法。利用此融合算法对同一个人同一部位的CT和MRI图像进行融合，实验结果证明了该融合方法的有效性和优越性。 用MATLAB7.0开发了一个图像融合实验环境，对论文中涉及到的主要算法进行了计算机仿真实验。 分别用信息熵法、均方根误差方法、峰值信噪比法和最大互信息方法对融合效果进行客观评价。通过客观分析与融合图像效果表明，基于小波变换的医学图像融合方法优于其他传统的图像融合算法，而基于小波包变换的医学图像融合方法优于基于小波变换的医学图像融合方法。