图像配准是图像分析和处理的关键步骤，是图像对比、数据融合、变化分析和目标识别的必要前提。在图像配准中常常需要把来源于不同成像设备的图像进行配准处理，这些不同成像模式的图像称为多模态图像。医学图像处理方面，常常需要把MRI-T1，MRI-T2，MR-PD，f-MRI，CT，SPECT，B超图像以及PET图像综合分析，这些图像能够同时提供功能的与解剖的信息，具有重要的临床应用价值；遥感图像处理方面，常常需要把微波、红外、雷达图像、多光谱图像综合分析，有利于对地球资源的分析判断，获得全面详细的综合信息，这些情况下一般都需要进行多模态图像的配准处理。由于多模态图像配准的重要价值和广阔的应用前景，正日益受到国际上越来越多科研机构的高度重视，是目前图像处理领域中重点和热门的研究课题。 多模态图像配准在图像配准中是一件非常困难的任务，在不同成像模式下，即便是相同场景下的同一目标，其灰度属性也常常存在非常大的差异。在某些情况下，同一目标在一种成像模式下，呈现出清晰的图像，而在另一种成像模式下，则无法成像，因而在图像中可能不出现。在多模态图像配准中，不同模态的图像常常含有互补的信息，同一身体结构或地理结构的图像尽管灰度属性常常不同，但包含着很高程度的共同信息，这些特点决定了多模态图像配准具有理论上的可能性，同时又有实现方面的困难性。 近年来，在信息理论的基础上，人们提出了一些多模态图像的配准测度，并且取得了一定程度的成功，基于最大化互信息的方法在多模态图像配准中得到了普遍的承认。但是互信息方法具有不可克服的缺点：计算量大、对噪声敏感和要求待配准图像间联合概率分布函数必须是严格正性的。这些缺点限制了互信息配准方法在实际中的应用。 本文对现阶段的图像配准方法进行了比较详细和全面的总结分类。针对多模态图像处理领域目前存在的问题，本文进行了深入探讨和研究，做了大量的对比分析实验，为实际应用中合理选择各种算法提供了有用的参考。在此基础上，发展了新的配准准则和方法，拓宽了处理多模态图像配准问题的思路。 本文创新点主要体现在以下几个方面： 1．对两幅图像相互独立、不完全配准和完全配准三种情况下，联合灰度概率分布的变化规律进行了数值调查和定性分析，在概念上直观地表现了概率型配准方法的物理依据。 2.对目前多模态图像配准领域已发表的统计型方法进行了全面的分析比较，指出了这些方法之间的关系，并通过实验分析了它们在性能上的差异和适用范围，对其中的一些方法作了必要的改进。这些结果为合理选用配准算法提供了依据。 3.提出了广义距离度量的新思路及其定义，并在此基础上构造了多模态图像配准的一类新测度。在多模态图像配准测度的设计方面，新的广义距离度量不同于shannon互信息( Kullbaek一Leibler距离)，它拓宽了人们的选择空间。通过多模态医学图像和遥感图像的实验分析，验证了新配准测度的有效性，证明了这些新的基于广义距离的配准测度与基于Shannon嫡的互信息测度有着不同的最适应范围。如同Kullback一Leibler距离一样，新的广义距离度量不仅可用于处理多模态图像的配准问题，从理论方法上来说，它们可能应用于更广泛的研究和工程领域，例如，信息理论、统计物理学、模式识别、语音识别、化学结构或生物特征相似性的判断、经济统计分析、模糊集等众多领域。因此，广义距离度量的概念和方法值得进一步研究和发展。关键词:广义距离度量、多模态图像、配准测度、互信息。