本研究课题来源于广东省自然科学基金项目“NSCLC生物适形调强放疗靶区智能识别及自适应控制”，作者主要负责医学图像的配准融合部分的工作。 医学图像配准融合是医学影像处理的重要研究课题之一，已经在临床诊断、治疗等方面有着广泛的应用。虽然配准融合技术在医学领域内得到了广泛关注，但现有算法仍存在着许多缺陷，例如，多模态运动器官的图像配准精度有待提高，序列图像融合速度比较慢等。论文对多模医学图像配准融合技术进行了研究。文章首先论述了医学图像配准、融合的概念及目的，接着综述了目前国内外各种医学图像配准融合的方法，并结合课题的研究对象，提出了运动器官CT-PET图像配准及序列图像并行融合的方法。 针对运动器官的特点和CT-PET图像采集特点，为了提高医学图像配准的效率，文章提出了一种基于并行计算和多层次B样条函数的图像配准方法。该方法提取图像均匀内部点及轮廓点作为参考图像标记点，采用并行计算技术在浮动图像上选择标记点对；形变采用B样条曲面函数插值来完成，通过多层次B样条函数逐步优化形变效果。实验结果表明，该方法对于运动器官CT-PET图像配准效果较好，速度较快。 对于已配准的结果，文章采用了基于小波变换的多分辨率分析方法、将局部标准差和能量相结合作为纹理测度进行图像融合。该方法可以取得较好的融合效果，但序列图像融合耗时较长。文章提出了基于MPI的序列医学图像并行融合方法，采用功能分解的方式，各进程依次串行处理若干幅图像的融合，所有进程并行进行处理。实验表明，与串行融合方法相比，并行融合能有效地提高处理速度，具有良好的可扩展性。 论文的创新点包括： (1)根据运动器官CT-PET图像特点，采用基于标记点的多层次B样条方法进行图像配准； (2)标记点配对采用并行处理技术，大大缩短了配准处理时间； (3)序列图像并行融合，减少了融合时间，具有较好的可扩展性。