医学影像设备在最近10年得到了飞速发展,并广泛应用于临床诊断和治疗。由于设备的成像原理不同,存在着多种模态图像,主要分为解剖图像和功能图像两大类,这两类图像为医生提供了不同的信息。目前主要由医生凭空间构想、经验和推测综合多幅图像的互补信息,工作量大、阅片结果受医生个人主观影响大。为了解决这一问题,本文开发了一套多模医学图像配准与融合系统,期望达到辅助医生诊断的目的。 该系统的功能模块包括四部分：图像的读取和显示、图像预处理、图像配准和融合,其中图像配准和融合是系统的核心部分。 对几幅不同模态医学图像进行定量分析,首先要解决的问题是图像的严格对齐,使多幅图像上所有的解剖点,或至少是所有具有诊断意义的点及感兴趣点达到匹配。本文首先介绍了目前主要的图像配准方法,并针对CT和PET图像灰度属性差异较大的情况,利用图像的交互方差作为相似度准则。经配准结果分析表明：该方法的配准精度和速度都优于传统的最大互信息配准方法,且抗噪能力强。 提取图像的纹理特征是融合的关键,由于提取单一纹理特征可能引起图像失真和模糊,本文提出了结合区域标准差和区域能量的图像融合规则。同时采用了小波多分辨率分析方法,将原图像分解成一系列具有不同空间分辨率和频域特性的子图像,并利用本文提出的融合规则得到融合后的小波系数,最后经过小波逆变换输出融合图像。经融合评价和实验表明,该算法能较多地获得多源图像的解剖结构和功能代谢信息,很好地保留了原图像的边缘和纹理特征,是医学图像融合中比较可取的方法。