随着医学影像工程和计算机技术的发展,医学成像技术已经成为现代医疗的一个重要组成部分,其应用贯穿于整个临床工作。由于不同设备的成像原理不同,临床诊断上出现了计算机X射线断层造影成像、核磁共振成像、单光子发射型计算机断层成像等多种模态的医学图像,这些图像反映了人体脏器和病变组织的不同信息。临床上,为了更准确地进行诊断,通常需要将来自不同设备的图像或者来自同一设备不同时刻的图像进行整合,以便进行更好的定量分析。对几幅不同的医学图像进行定量分析,首先要解决的就是图像的严格对齐问题,即图像的配准。医学图像配准是指通过空间几何变换,使两幅或者多幅图像上所有的解剖点,至少是所有具有诊断意义的点及手术感兴趣的点都达到匹配。图像配准的效果直接影响后续诊断的精确性,因此只有对医学图像进行高精度的配准,才能为医生提供准确的辅助诊断依据。医学图像配准是医学图像处理领域中的一项重要技术,是信息科学、计算机图像技术与医学等多学科交叉的一个研究领域。当前,医学图像配准基本可以分为基于图像特征的方法和基于灰度统计的方法。本文着重讨论了基于最大互信息的图像配准方法,它属于灰度统计方法的一种。本文分别从相似性测度本身和优化算法的角度,对配准方法进行了研究和改进。论文基于互信息、小波变换等理论方法,对基于互信息的医学图像配准技术进行了深入的研究;并将粒子群优化算法和单纯形算法结合起来进行图像配准;在上述工作的基础上,对人工免疫算法进行了改进;结合临床实践的需求,分别对单模态和多模态医学图像配准问题进行了深入的研究和探讨。论文的主要工作如下:(1)论文首先讨论了基于互信息的相似性测度。讨论了互信息的定义、性质、及其用于图像配准的原理;讨论了归一化互信息,并通过实验比较了二者的性能曲线。实验表明,归一化互信息的性能曲线较平滑,能有效降低局部极值的影响,且峰值较明显。(2)论文讨论了小波变换和PSO-SM混合优化算法在医学图像配准中的应用。在此研究中,针对基于互信息配准方法存在的局部极值和运行时间长等问题,从优化算法着手,提出利用小波变换对图像进行多分辨率分解,用粒子群优化和单纯形相结合的混合优化算法对最低分辨率图像配准,而仅用单纯形法对较高分辨率图像配准。粒子群优化算法全局搜索能力强,而单纯形法能有效地进行局部搜索,将两种算法结合起来能大大提高配准精度;同时,文中利用小波变换的性质逐步缩小搜索范围,提高了配准速度。实验证明该方法配准速度快,精度高。(3)论文在研究常用优化算法的基础上,提出将改进的人工免疫算法应用于图像配准。此研究仍然采用基于互信息的图像配准,通过借鉴生物免疫系统中的选择原理和记忆机制,将人工免疫算法应用于图像配准。论文以单纯形法得到的解为中心,初始化一组解作为初始种群,避免了传统免疫算法的盲目搜索;通过将图像的质心作为接种疫苗,提高了搜索速度。论文最后对全文进行了总结,并对下一步的研究工作进行了展望。