医学在人们的生活中是至关重要、不可或缺的一门应用科学,医学临床研究和应用的发展水平对人类健康起着重要的作用。本文主要围绕着医学图像处理算法中比较关键也是常用的医学图像分割和配准算法进行研究,并获得一定的成果,其中研究内容以及创新成果如下:1.主要详细深入分析了医学图像分割算法中的参数法模型,这种模型主要是针对具有灰度不均匀的核磁共振图像进行分割,但是算法模型对于参数的初始化不稳定,不能在偏移场参数的随机初始化的情况下得到正确的分割结果。针对参数法分割模型的上述缺陷,参考水平集分割方法防止重新初始化的修改方法,对模型中的能量函数进行改进,并且运用改进前后的能量函数在McGill Brain Web中的数据上进行仿真实验,结果证明改进后的能量函数模型在偏移场参数随机初始化的情况下能得到正确的分割结果。2.随着医学仪器的发展,摄取的图片大多扩展到了三维、四维等,但是国内的医学图像配准算法大都是应用在二维图像上,这样不利于医生诊断整体组织部位的信息。本文主要对于三维的核磁共振图像进行了刚性配准,而且仿真比较了在不同模态的三维图像配准中不同相似性测度算法的性能。3.由于医学图像自身的复杂性,单纯的分割很难直接分割出图像中的具体生理结构。这时就需要利用基于atlas图集的分割方法,首先就要对atlas进行配准,这种结合把这分割与配准算法相结合的方法越来越成为医学图像处理中的趋势。但是由于个体差异性和配准算法的局限性,往往达不到很好的效果。本文针对上述atlas方法中存在的缺陷进行改进,利用多个atlas以及多个配准算法的结果,对配准后的模板进行融合,并且结合待分割图像信息,利用融合模板和RSF分割算法对图像进行分割。仿真实验结果证明,这是一种效果很好的图像分割方法。