医学图像处理指用模式识别和图像处理的相关理论，结合医学领域的实际需要，对医学图像的内容进行变换，使重要信息更加容易观察的过程。处理结果能为医生的诊断提供依据，帮助医生正确判断病人的病情。配准与融合是医学图像处理研究领域的一个重要的研究方向。其中配准是将相同或不同成像仪器获得的相同模态或不同模态的图像在空间位置上对准，而融合是将不同图像中的相关信息聚集在一幅图像中。它们的目的是便于并行、可比较的在一幅图像中观察多幅图像的数据，并为病人的病情诊断、治疗、手术规划提供指导。 本课题研究相同模态下的医学图像配准与融合算法，利用DICOM文件解析、管理，搭建了一个医学图像实验系统平台。现将主要工作概括如下: 1、实现医学数字成像和通信标准(DICOM)的解析和文件管理，并对生成的图像体数据进行任意角度剖面算法研究。DICOM标准是美国放射学会(ACR)和美国国家电子制造商协会(NEMA)制定的用于数字化医学影像传送、显示与存储的标准。它是一个工业化的标准，囊括了现今所有医学图像如CT、MRI、PET等。根据DICOM在计算机中的存储模型，分析DICOM的文件结构，成功地解析出文件的说明信息(用文件标签Tag来标识)和图像数据信息，并根据这些信息构建3D体数据。之后讨论了基于体数据的任意给定角度剖面重建算法，使用相对紧邻域三线性插值。实验表明，重建的剖面线条清晰，组织结构突出，使医生能多角度观察图像。 2、提出了3D/2D由粗到精的医学图像配准算法，实现图像的小波融合。3D/2D的配准需要对3D体数据进行过滤，抽取一幅2D图像，这幅图像和配准对应的样板图像描述相似的组织信息，之后将这两幅2D图像配准。在配准环节，先使用HU不变矩对3D体数据进行过滤，抽取与样板图像相似的图像数据。然后用主轴质心法对两幅图像进行粗匹配，使图像近似配准。最后用结合梯度下降法的最大互信息法对近似配准的两幅图像进行精匹配，得到最终的配准结果。在融合环节，用具有紧支撑和近似对称性的sym4小波，采用小波系数加权平均的算法，对配准结果和样板图像进行融合，得到清晰的融合图像。实验表明，配准算法在保证亚像素级的配准精确性的基础上，极大降低了配准运算的复杂度，有利于配准算法在临床诊断的应用。融合算法能清晰地在一幅图像中反映两幅图像的信息，使医生并行观察图像信息成为可能。 3、成功搭建医学图像实验系统平台。一个功能全面的实验系统平台对医学图像算法研究和临床应用是十分必要的。它保证了图像算法研究长期持续的进行，也为医生在一个开放的，交互方便的平台上观察和处理医学图像成为可能。本文介绍了医学图像实验系统平台的搭建过程，实现结构和运行环境，分析了组成平台的五大模块，并对平台今后的发展做出展望。