医学图像配准为医生利用多种模态的医学图像信息、提高医学诊断和治疗的准确性打下了基础,是近年来图像处理领域的一个研究热点。本文主要研究基于互信息的医学图像配准算法,这种方法由于具有无需预处理、准确性高、稳健性好等特点,是当-前医学图像配准方法的发展趋势。本文在前人的研究基础上,对医学图像配准提出了新的算法。　　 本文首先介绍了医学图像配准的发展现状、医学图像配准在临床中的应用以及图像配准中存在的主要问题；然后对医学图像配准的基础理论,包括图像配准方法的分类、图像配准中的关键技术等,做了比较详细的介绍；接着对互信息的相关知识做了详细的介绍,指出了互信息配准存在的主要问题,并对传统的互信息配准算法与改进的互信息配准算法进行了比较,证明改进后的互信息算法在配准速度、精度和鲁棒性都要比传统的互信息配准算法好,接着对医学图像配准常用的优化算法也做了相应的介绍,并着重对基于矩和主轴法的配准算法、遗传算法和蚁群算法做了比较详细的介绍,然后在此基础上提出了基于一种新的混合优化算法,并将其应用于医学图像配准当中。在混合优化算法中,首先结合Canny边缘检测算子和数学形态学的方法,提取人体头部实体的外轮廓,然后利用矩和主轴法对外轮廓图像进行粗配准,得到一个用于遗传算法的初值取值范围；然后在此基础上利用遗传算法和蚁群算法相结合的混合优化算法,即遗传一蚁群混合算法,对经过粗配准的图像进行互信息配准,得到配准结果,然后分别与单独使用Powell算法、遗传算法、蚁群算法对图像进行配准的结果进行分析比较,实验结果显示,本文提出的混合优化算法比其他三种算法更精确,配准结果达到了亚像素级,而且配准效率也更高。