随着甲状腺癌发病率的提高,准确检测甲状腺结节良恶性非常重要,因为在甲状腺结节中,只有5%为恶性结节,大部分为良性结节,如果及早发现并积极治疗是可以完全治愈的。B超检查能清晰显示甲状腺组织内的细微变化,并且安全无辐射,对结节定位准确,但无法确定甲状腺结节的良恶性;SPECT图像是根据腺体内碘-1311的分布,提供与病变的良恶性密切关系的功能图像,但不能准确定位结节位置。为了获得全面的甲状腺信息,将SPECT图像与B超图像进行融合,图像融合的前提是图像配准,本文主要研究甲状腺SPECT图像和B超图像的配准。SPECT图像与B超图像像素灰度分布差异大,因此基于灰度的配准方法容易出现误配准。本文采用KFCM算法分割SPECT图像,并提出了NSST变换与GCBAC相结合的方法分割B超图像,将分割所得到的甲状腺两叶及肿瘤二值图像作为本文配准依据。针对梯度归一化互信息在远离配准位置处具有较多的局部极值,对梯度归一化互信息进行了改进,将归一化互信息中不随位置改变的分子部分改为互信息;针对蝙蝠算法收敛精度低,容易陷入局部极值,提出了遗传思想蝙蝠算法,就是将遗传思想中选择、交叉和变异操作与蝙蝠算法相结合。以改进的梯度归一化互信息为相似性测度,以遗传思想蝙蝠算法为优化算法对甲状腺SPECT图像和B超图像进行配准。实验结果表明,本文方法具有较高的配准准确性和配准速度。