随着计算机技术在医学领域中的日益普及与发展,各种医学图像系统在医疗诊断、医学检索、临床教学等众多方面都发挥着至关重要的作用。但是,各种医学图像设备的成像原理不同,它们分别从不同的角度反映人体的部位和病理信息。因此,借助于图像配准、图像分割和图像融合技术,可以充分利用各种图像的信息优势,在一幅图像上尽可能多地表达人体的各种信息,使得人体内部器官的结构,功能等多方面的状况通过计算机表现出来,从而更加直观、便捷和准确,科学地为医师提供一些有用的数据,提高辅助诊断的准确性。本文作为日本国文部科学省自然科学基金项目“三维医学图像融合与再现技术的研究(三次元医用画像融合と復元技术の研究)”、江苏省“六大人才高峰”第七批高层次人才项目“基于多变量亚高斯分布模型的图像检索的研究”和日本国福冈县Auto-System医疗公司合作项目——X射线医疗成像系统研究与开发(X線デジタル画像诊断装置に関する研究)等项目的预研课题,主要研究CT和MRI图像的基于超小波变换的图像融合和水平集分割,重点分析了医学图像配准技术、医学图像水平集分割技术以及超小波变换图像分割技术。论文的主要工作和创新点包括以下几点：(1)基于邻域能量法的图像融合方法：本文提出了将邻域能量法在超小波变换图像融合中的应用。分别输入CT和MRI图像,通过超小波变换,我们得到两幅图像的高频系数和低频系数。对于低频系数,使用邻域能量法选取合适的融合系数。对于高频系数,采用最大绝对值法或者其他方法来选取融合系数。通过大量的实验,说明本文的方法取得了很好的融合效果。(2)基于改进Chan-Vese的水平集分割算法：为了进一步降低图像数据量,提高图像处理的速度,我们采用了一种新的改进型Chan-Vese的水平集图像分割的算法。新算法能明显提高分割的速度,有效地分割出医学图像的病灶区域。大量实验表明,本算法具有一定的鲁棒性,比传统算法提高30倍以上的速度。