21世纪以来,精准医疗技术蓬勃发展,并已正式纳入我国“十三五”规划中,而日新月异的先进医疗设备在肿瘤的精准医疗中具有重要作用。对医疗设备采集的多模态医学影像数据运用现代数字图像处理技术进行分析处理,能够为临床医师提供更为丰富和准确的医疗信息,对临床医师精准诊断和治疗具备一定指导作用。本文主要研究内容贯穿医学影像配准、融合与分割等关键技术,并将所研究成果应用于基于PET、CT影像的肺癌精准医疗中,主要内容如下：(1)提出了基于混合互信息和改进粒子群滤波算法的医学影像配准方法。该算法依据Renyi熵和Shannon熵的不同特性,在配准过程中,首先使用基于Renyi熵的改进粒子群优化算法,对图像进行全局搜索,再使用基于Shannon熵的Powell算法,对所获得的最优解进行局部寻优,得出配准最优参数值。在单模态和多模态医学影像配准实验中,本算法体现出配准精度高、收敛速度快以及鲁棒性强等特点。应用于肺癌的PET、CT影像配准中,本算法在临床医师主观评判和客观指标上均取得较好效果。(2)提出了基于投影字典对学习的医学影像融合算法。该算法对训练样本使用投影字典对学习算法和联合正交匹配追踪算法获得综合字典、解析字典和样本的稀疏编码；图像高频部分的稀疏编码融合以求和法为准则,图像低频部分则依据加权平均法进行重构。基于脑部CT、MRI的医学影像融合实验,表明本算法能较好地融合源医学影像的特征信息,且融合影像清晰度和对比度更佳。对于已配准的肺癌PET、CT医学影像融合,经临床医师主观诊断,融合影像对病灶区域显示清晰且局部细节区域保留较好,利于病灶辨别,并通过客观指标结果得到进一步验证。(3)提出了基于联合拟合能量的医学影像分割算法。该算法中基于梯度信息的全局能量项能够减少算法对初始轮廓的敏感度,有利于加快算法的收敛速度,而基于张量信息的局部能量项使得算法能够有效处理图像灰度不均匀的情况,并保留复杂的边界结构。通过与几种主流分割方法的比较,分析对比显示了本算法的分割精度高、适用性强。应用于已融合的肺癌PET、CT影像分割,以影像科医师手工勾画结果为参考,临床医师的主观评价和客观指标综合验证了本算法的分割结果具有较高准确度,对于疾病精准诊断和放疗靶区制定具有重要参考价值。