为了获取更加精确、更加丰富的医学图像信息,联合医学影像设备相继被推出。然而作为核心的医学图像融合技术却仍然存在着各种问题。所以急需一种快速、精确、稳定的医学图像融合系统,以满足医生和研究人员对更高维度医学影像信息的需求。首先,本论文对近些年来流行的基于空域、变换域和稀疏表示的医学图像融合算法进行了对比分析。基于稀疏表示的图像融合算法目前性能最优,但依然存在不能把待融合图像结构信息考虑到算法中和时间复杂度过高的问题。本论文采用“局部融合”的方法,改进了一种基于稀疏表示和非下采样轮廓波变换的医学图像融合算法。分别用CT/MR、CT/PET和MR-T1/MR-T2图像各12对、五种流行的医学图像融合算法对该算法进行对比评估。仿真结果表明,该算法在Q₀、Qe、Qw、Qab/f和MI算法性能参数上,相比于传统的基于稀疏表示的医学图像融合算法分别提高了16.5%、6.7%、11.1%、14.4%和21.2%,并且其融合的结果能很好地表示出待融合图像的结构信息。接着,本论文分析了滑块大小对融合结果和融合速度的影响,并发现当滑块大小在6-9之间时融合结果质量和融合速度都可以得到保证。然后,本论文结合“能量结构决策图”改进了一种基于特征提取和稀疏表示的医学图像融合算法（SR+SEM,Sparse Representation+Structure and Energy Decision Map）。相比于传统的基于稀疏表示的医学图像融合算法,时间消耗上由264.272s降低到了24.160s。实验证明高质量的融合结果和融合过程的超低的时间消耗在该算法中都能得到保证。最后,本论文在TMS320C6678 EVM多核DSP平台上实现了SR+SEM软件设计和系统调试,相应的硬件运行结果依然保持高质量,而且平均运行时间仅为1.131s。