随着图像采集技术的进步与发展，在医学临床诊断与治疗领域涌现出多种成像设备，为医生提供了多种不同特性的医学图像，这些来源于不同成像设备的图像称之为多模态图像。这些不同模态的图像可以为医生提供各种不同的信息。而从单一成像设备获取的图像往往不能为医生提供足够多的有用信息，往往需要对同一病人的病变部位用多种成像设备多次成像，将不同成像设备获得的图像融合在一起比较分析，从而可以获得关于病变部位更加全面的信息，进而帮助医务工作人员做出准确的诊断结果和正确的治疗方案。图像配准正是以上工作得以顺利进行的前提，所以它具有极其重要的临床应用价值。本文首先从医学图像配准的总体框架设计入手，然后逐一解析组成该框架的4个主要模块，即几何变换模块，相似性测度模块，图像插值模块和优化算法模块，并介绍了各模块的主要相关算法。为了能够得到多模态图像较为精准的配准结果，本文主要针对采用互信息作为医学图像配准的相似性测度进行研究。本文分别采用互信息测度方法和采用AM测度方法实现了的CT-MRI多模态图像配准，通过对比实验结果发现，采用互信息测度的医学图像配准方法比采用AM测度的医学图像配准方法得到的配准结果更加精确，但代价是计算所耗时间更长。本文通过对浮动图像做适当的预处理，提出一种改进的互信息计算方法，实验结果表明，这样做可以有效地缩短互信息的计算时间，与此同时图像配准的精度没有发生明显变化。本文针对原始遗传算法存在的缺陷，有针对性地对遗传算法进行改进，按照适应度的高低不同，为高适应度的个体提供较大的保留概率，为低适应度的个体提供较大的淘汰和变异概率。实验结果表明，相对于原始遗传算法，改进的遗传算法可以有效地提高配准的精确度。