随着科学理论的发展以及制造水平的提高,越来越多的医学成像设备进入临床应用。不同的成像技术有各自的特点,对不同组织也有特定的敏感性,所得到的图像也有各自的应用方向。多模态医学图像融合就是将图像融合技术应用于医学成像领域,将不同医学成像设备获得图像进行融合处理,得到新的医学图像,使其包含有比单纯两幅图像更多的信息,为医生诊断提供更多的病理信息。而在进行图像融合之前需要对源图像进行相应处理,其中图像配准是最重要的环节。图像配准是图像处理中的一个重要步骤,在图像识别、目标检测、时序图像分析、图像融合中都有重要应用。目前图像配准主要分为两种方法:基于灰度的方法和基于特征的配准方法。基于灰度的方法的特点是配准率高,但由于其算法基于整幅图像的灰度值,造成运算量大、运算速度慢、对噪声敏感等。目前有多种改进方法,本文也提出了一种改进的图像分层方法;基于特征的配准方法是选取两幅图像中对应的特征点参与运算,运算速度快,缺点是特征点选择算法复杂,误配准率较高。基于上述第一、二种算法的优缺点,目前比较流行的做法是将两种算法相结合,运用特征算法的运算速度优势进行粗配准,然后运用灰度方法的高配准率特点进行精细配准。总体评价,基于两种方法结合的算法效果要优于单一算法。本文针对颅脑图像的特点,给出了一种基于图像矩和互信息的配准方法。图像融合方法,本文讨论了小波金字塔在图像分解与重构中的原理以及相应的融合算法,重点讨论了基于区域特性量测的选择及加权融合算子的融合规则,并用上述融合算法对CT和MRI颅脑图像进行融合,取得了良好的融合结果,同时检测了配准算法的效果。本文运用VC++ 6.0开发平台,开发了一套“多模态医学图像配准与融合软件系统”,实现了本文提出的医学图像的配准与基于小波变换的融合算法。