随着体检的普及和临床诊断技术的提高,甲状腺结节的发病率逐渐增高。大部分甲状腺结节呈良性,只有少数为恶性肿瘤,因治疗手段和预后不同,甲状腺结节良恶性的鉴别尤为重要。B超检查能清晰显示甲状腺组织内的细微变化,对甲状腺结节的发现率高,定位准确,但无法确定甲状腺结节的良恶性;SPECT显像是功能显像,可以根据腺体内放射性分布,提供与病变的良、恶性密切关系的功能图像,但对结节的定位不准。为了解决这个问题,提出将甲状腺的SPECT图像和B超图像进行配准融合。本文主要研究甲状腺SPECT图像和B超图像的配准,为两种模式图像的融合做准备。SPECT图像没有视觉可视的分割边界,B超图像斑点噪声严重、灰度对比度低,这两种图像像素灰度分布特性差异较大,采用基于灰度的配准方法会造成极大的误配准。本文用KFCM算法分割甲状腺SPECT图像,并提出了GCBAC和NSCT结合的分割方法对B超图像进行分割,并对得到的轮廓图进行二值填充,得到二值图像,并以此作为配准依据。本文选用互信息作为相似性测度,并根据互信息越大,配准越精确的准则,将人工蜂群算法的收益度函数进行了改进,将改进的人工蜂群算法应用于甲状腺的图像配准中。实验结果表明,将改进的人工蜂群算法应用到甲状腺SPECT图像和B超图像的配准中,达到了较好的配准效果。