医学图像融合是当代信息科学与医学影像科学相交叉的一个研究课题,是医学图像处理学科的研究热点。医学结构像与功能像是临床疾病诊断最常用的图像,利用这两种图像信息的互补融合,可获得更丰富、更直观、更全面的细节信息和组织器官的代谢信息,为疾病的早期诊断和功能区的精确定位提供依据,提高了疾病诊断和治疗的准确性和正确性。本文主要研究基于结构像与功能像医学图像的融合技术。目的是在研究现有融合算法的基础上,探索一种更有效的用于医学结构和功能像的融合算法,使得融合结果图像既考虑到解剖结构的细节信息,又能保留组织的功能信息。首先,讨论了医学图像融合方法的原理、特点,并分析了传统融合算法的局限性与不足之处;然后,重点分析了基于小波变换的图像融合技术,针对传统小波变换法的局限性,提出了两种适用于功能像和结构像的小波融合新方法,并通过实验验证了新方法的有效性和可行性;最后,将所提新方法应用于CT灌注图像与MRI图像融合,来提取帕金森大鼠大脑的血流信息,为临床诊断提供更加准确有效的信息。本课题的创新点在于对基于小波变换的图像融合方法进行改进,使其适合于医学结构像和功能像的融合。在组织边缘完整、功能区域清晰的情况下,采用基于边缘细节的小波变换法,其算法原理简单易实现且融合效果较好;当组织存在弱边缘,功能区域表现不清晰时,采用基于梯度算法的小波变换法,可以取得比较好的融合结果,其适用范围更加广泛。