随着当代医学成像系统的发展,医学图像为临床诊断医学、计算机辅助手术、病灶监控等提供了高质量的信息支持,大大提高了人类对自身的认识和医学诊疗水平。然而,大量医学图像的涌现也带来了新的问题。医学图像由于时序差异、位置差异、获得设备差异等带来了信息的不一致性。由于医学图像配准融合技术可以消除差异、获取多模态图像的最大信息,因此对于提高医学影像分析的正确率具有重大意义,在医学诊断、图像引导手术以及功能解剖等方面都有重要应用。根据医学图像和处理过程自身的特点,本文探讨了目前医学图像配准融合研究的主要内容和发展趋势,分析比较了现有技术各自的优缺点,决定采用最大互信息算法进行图像配准,并将完全配准后的结果图像采用小波变换的方法进行融合。由于最大互信息算法是根据像素灰度的相似性测度决定代价函数,通过搜索技术使得代价最小化,不需要待配准图像的其他有关先验知识,能够得到非常精确地配准结果,因此可以准确的作为融合的前提条件。采用小波变换方法对配准正确的医学图像进行融合,利用小波多尺度、多分辨的分解重构方法,最大限度的保留了图像的高频信息,可以获得符合人类视觉特征的融合效果。针对互信息图像配准中存在的计算量大、速度慢、时间复杂度和空间复杂度高的缺点,本文提出了一种基于单机多处理器的并行快速配准融合算法,采用目前流行的单机多处理器平台,应用多核进行并行计算,最大限度的利用了CPU的计算能力,同时使用类间距离作为初步相似性判别,对待配准图像采用两层搜索策略,先粗粒度搜索去除不相关区域,确定感兴趣的目标区域的范围,再细粒度搜索计算相似性测度,最后完成配准。通过实验表明,该方法既保证了配准精度,又能很好地解决速度慢的问题,融合效果良好。在上述研究的基础上,本文设计了医学图像配准融合系统,总体结构采用模块化设计,通过最大互信息配准算法、小波融合以及在多核计算机上并行化处理的实现,系统设计良好,完成了对医学图像的预处理、配准、融合以及快速并行化计算的过程,为医学诊断提供了重要的参考和决策依据。