随着生物技术、图像处理技术以及计算机技术的发展,医学图像配准已经成为现代医学图像处理的关键技术。作为医学图像融合及其他医学图像分析的前提和基础,医学图像配准对临床诊断、治疗以及疗效评价等具有重要意义,已经成为医学图像处理领域的研究热点之一。本文在研究前人图像配准成果的基础上,对多模医学图像自动配准技术及算法进行了相关的研究和改进。主要工作如下：本文首先介绍了医学图像配准的背景、意义以及主要应用,总结、归纳了医学图像配准方法；介绍了医学图像配准的基本原理和关键技术；分析了医学图像配准中基于像素和基于特征两类主要方法的优缺点；深入研究了互信息理论在医学图像配准领域的应用和实现机理以及互信息作为相似性测度的优缺点。本文着重深入研究了Renyi广义互信息及其在图像配准中的作用,并针对互信息计算的复杂性,引入了广义近邻图熵估计理论,并成功应用于多模医学图像配准中。在深入研究基于像素和基于特征的两类医学图像配准算法优缺点的基础上,本文结合两类方法的优点,提出了一种新的融合梯度信息广义近邻图的多模医学图像配准算法,该方法先提取尺度空间不变特征点并使用类似于SIFT描述子的梯度描述信息描述特征点,接着使用Renyi互信息建立目标函数和通过广义近邻图熵估计理论来估计Renyi互信息,最后优化算法寻优。经实验证明,配准结果精度高,时间快,鲁棒性较强,是一种有效的自动弹性配准算法。针对噪声对医学图像分析中的影响,在深入研究图像纹理信息在医学图像中的应用后,本文提出了一种抗噪声能力更强的加权二分中心对称局部三值模式纹理描述子,该描述子结合了三值模式描述子和中心对称二值模式描述子的优点,对噪声具有更强的鲁棒性；然后将该描述子用于广义近邻图熵估计多模医学图像配准框架之中,使用新提出的描述子对特征点进行描述。最后通过实验验证了该描述子不易受噪声影响以及融合该描述子的配准算法对噪声的鲁棒性和有效性。