医学图像配准是针对两个图像或体数据,找到一个几何变换让一个图像上的点映射到另一个图像上,使两图像达到空间位置上的对齐。随着医学研究的深入,单一模态下的图像信息已经不能完全满足临床需求。为了得到病变组织的全面信息,需要融合多种模态下的图像,这就要求先对多模图像进行配准。　　本研究的核心内容是实现3D医学图像配准。图像配准方法有多种,本文主要选用了基于体素相似性的配准方法,该方法又可分为3种,实验选择了其中的Mattes互信息方法。该方法以信息论为支撑,不依赖于对图像数据关系的假设,对不同模态图像间的灰度关系也不用特殊的假设,所以在医学研究领域得到了广泛应用。基于互信息配准的依据是直接对图像中的灰度信息进行处理,因此,可以避免图像分割和特征提取带来的配准精度损失,从而提高了配准成功率,也增强了配准鲁棒性。但是该方法要使用图像的全部数据信息,同时也增加了配准执行时间。所以,本文在基于体素相似性的互信息配准算法基础上,提出了引入多分辨率金字塔结构策略,使互信息配准转化为由粗到精的分层次多分辨率配准过程,在粗尺度通过消除局部最优解提高了配准鲁棒性,降低了互信息陷入局部极值的可能性,从而提高了配准的速度和成功率。　　为了实现不同模态3D图像配准,本文的主要研究内容如下:　　1、研究了3D配准体数据的常用格式及其取得方法,通过读取一系列2D切片写一个3D体数据,本文选用了raw体数据格式文件。　　2、深入研究了3D配准的4个核心模块,即3D空间变换、配准测度、插值器、优化器,给出了一个完整的3D配准算法具体执行流程,并指出了在配准算法执行中易混淆的两个问题:一个是优化搜索空间变换函数映射点的方向是从参考图像解剖空间坐标系到浮动图像解剖空间坐标系,而不是从参考图像的图像坐标系到浮动图像的图像坐标系的映射;另一个是3D配准空间变换必须在解剖坐标系(物理坐标)中计算。　　3、研究了3D配准中图像坐标系和解剖坐标系之间的变换关系,并给出了它们之间变换的数学模型。　　4、研究了Mattes互信息和多分辨率结合的3D配准方法,其中包括Mattes互信息配准的数学模型、初始变换参数估计的数学模型、多分辨率策略配准框架、图像金子塔算法的具体实现、互信息配准函数的两个重要属性、互信息测度函数陷入局部极值的原因,对比分析了加入多分辨率后的Mattes互信息配准的优势,并给出了结合多分辨率的3DMattes互信息配准流程。　　5、基于Visualstudio2005实现了3D多模和单模配准实验,实验选用了BrainWeb网站和美国Vanderbilt大学的脑图像数据作为配准实验对象,分别用3种配准算法来对3D图像配准进行对比分析,实现了MR图像间的单模3D配准,以及CT和MR、PET和MR之间的多模3D配准。实验证明,本文提出的混合配准算法的所有配准误差都小于一个像素大小,配准精度达到了亚像素级标准。即引入多分辨率金字塔结构的Mattes互信息方法较好地提高了3D多模脑图像配准的速度、精度和鲁棒性。