医学影像学为临床诊断提供了多模式的医学图像,各种成像设备对病人同一解剖结构得到的形态信息和功能信息是互补的,在临床应用中经常需要将不同模态的图像结合起来,同时从不同模态的图像中获得信息。医学图像配准的目的就是将不同时期不同模态的图像进行空间几何变换统一到同一个坐标系下,使得两幅图像各自的信息能够在同一空间坐标下同时表达,可以直接进行比较和分析。本文主要分析了基于互信息的配准方法,介绍了基于互信息配准方法的原理和实现过程,并将互信息的配准方法应用到植物连续切片的配准,以及缺血性脑部诊断的验证中,取得了不错的效果,最后讨论了配准的评估方法,并采用了两种评估方法对实验数据进行评价验证。主要工作如下:(1)分析基于互信息的配准方法原理,对互信息的定义,配准测度的意义以及计算方法进行探讨,并分析灰度级别对互信息的影响,介绍了配准中的空间变换和插值算法,改进了Powell优化算法,对其具体原理和实现步骤进行了阐述。(2)将基于互信息测度的配准方法应用到植物连续切片之间的校正以及脑缺血自动诊断的验证工作中,取到了不错的结果,并与基于灰度相关比的配准方法结果进行比较。(3)配准结果的评估方法进行了探讨,采用分割区域叠加和互信息相似度测量两种方法对实验配准结果进行评估,提出了切片间的分割区域叠加比和体数据间的分割区域叠加比两种评估量,并对实验数据进行了比较,得出对于体数据的配准评估必须是基于切片之间的。