医学图像信息配准与融合是当代信息科学、计算机技术与医学影像科学相交叉的一个研究课题，它是医学图像处理学科的一个新的研究热点。应用医学图像信息配准与融合技术可以把不同模态的医学图像有机的结合起来，为临床和治疗提供更完善的图像信息，从而使医学图像能更好地为现代医学服务。医学图像配准的过程实际上是寻求两幅图像间一一映射的过程，也就是说，要将两幅图像中对应于空间同一位置的点联系起来。医学图像融合是对多模态图像信息的任何形式的综合利用。融合的结果可以表现为不同模态图像间结构的映射、叠加显示、伪彩色显示等图像显示技术和生成新型的医学诊断图像——融合图像。医学图像的配准是医学图像融合的基础，它是图像融合的第一步，配准的精确度直接影响着融合的效果。 本文首先针对两种医学图像的配准进行了深入的研究。用两种方法实现了图像的配准。这两种方法是：基于SUSAN原则的图像配准方法和基于边界的图像的配准方法。基于SUSAN原则的图像配准方法：首先在SUSAN特征检测原则基础上采用了基于图像灰度特征的快速自适应特征检测方法，用以提取不同图像对比度下目标轮廓上的初角点。利用边沿元对这些包含了部分边缘点的初角点沿边缘方向跟踪排序后，再由根据图像边缘特征检测的边界方向变化情况来确定角点位置，同时剔除由于图像数字化而导致的虚假角点，从而确定了真正的角点；然后通过粗匹配和精匹配两个步骤得到匹配角点对，根据这些角点对对医学图像进行配准。基于边界的图像的配准方法：首先提取图像的边界；然后利用奇异值分解法确定点对之间的变换系数；最后完成图像间的刚性配准。本文还详细地讨论了这两种配准方法的实现，并分析了这两种方法的特点。然后，研究了配准后的图像的融合方法，采用了两种图像融合的方法：加权平均法和数学形态学金字塔法。加权平均法是以象素灰度为依据的一种最简单的多幅图像融合方法。数学形态学金字塔法是一种复合的图像融合方法。结果表明此方法能够充分有效地将两种不同模式的信息集成在一起，为临床诊断提供更加有效的信息，具有广阔的应用前景。本文最后探讨了进一步的研究目标和方向。