随着医疗信息化技术的迅速发展,越来越多的医学成像设备出现在医疗服务机构中,由此产生了海量的医学图像数据,这就对医学图像的存储以及传输有了更高的要求。要求采取相应的技术以能够保证图像的安全、精确并且减少数据量。本文所做的研究内容主要是混沌理论在医学图像处理中的应用,主要研究工作有如下三个方面。在医学图像加密方面,将二维Logistic和Henon混沌映射结合产生DES算法的轮密钥,使其密钥可以实现动态变化：将改进的DES算法应用到医学图像加密中,仿真结果表明加密后的图像含有类似随机噪声的一些信息,因此对于不知道密钥的窃听者来说是很难识别的,进而可以在传输中保护图像数据。同时还利用几种攻击方式,对本算法的安全性进行了分析。在医学图像融合方面,提出了一种基于Logistic映射的混沌递归对角神经网络模型并设计它的网络结构,提出了基于对角神经网络和混沌对角神经网络的医学图像融合算法,比较两种网络的融合性能；提出了一种模糊混沌神经网络,设计了它的结构,推导了它的数学模型和权值的训练公式,并给出了如何将其应用于医学图像融合的步骤。在医学图像压缩方面,提出了两种基于Chebyshev映射的前向混沌神经网络模型：①Ⅰ型网络——隐层添加混沌神经元,②Ⅱ型网络——利用混沌搜索初值；将这两种网络应用到医学图像的压缩中,最后将这两种混沌神经网络与BP神经网络在压缩性方面进行比较；提出了一种基于菱形搜索的分形压缩算法,通过菱形搜索模板及路径,以达到快速定位的目的。