医学图像分割和配准作为医学图像处理与分析的基础支撑技术,一直是该领域的研究热点和难点之一。当前,基于局部图像信息特征的处理方法,因其能很好的符合人类视觉特性并可较好地反映图像语义信息,而逐步获得图像处理研究者更多的关注和应用。基于医学图像局部信息特征,本文针对医学图像分割和配准的相关算法,做了较为系统和深入的研究,并展望了这些技术在医学图像融合可视化系统中的应用前景。本文主要的研究内容如下:　　第一,在亚像素级上,为解决图像边缘的快速、高精度提取需求,基于图像局部灰度梯度信息,推导了Zernike矩原理误差补偿公式,提出了一种基于改进形态学梯度和Zernike矩的亚像素边缘检测方法。研究结果表明,该方法的抗噪性好,定位精度高,检测速度较快,可为医学图像配准和相关图像测量系统提供一种新的亚像素级边缘检测方法。　　第二,在像素级上,针对 MRI图像局部灰度非均匀性问题,为提高图像分割精度、改善图像分割效果,提出了一种基于局部模糊熵测度约束的MCMC医学图像分割方法。研究结果表明,所提出的算法对噪声的敏感度较低,有效地解决了图像局部边缘分割灰度非均匀性问题,可以准确、快速地实现对MRI图像局部边缘区域的精细分割。相比同类算法,该方法在算法的鲁棒性、计算速度和分割精度上都具有一定的优势。　　第三,在超像素级上,针对MRI和TEM图像的图像结构复杂性问题,提出了融合局部空间信息的超像素医学图像分割方法,该方法是一种基于人机交互的医学图像分割算法。在图像超像素分割基础上,构建待分割图像的超像素图模型,并采用MRF邻域系统表示图像局部空间信息,最后利用FCM和邻域优化算法对图像分割过程进行优化处理,获得分割图像。研究结果表明,该方法的图像分割准确率高、鲁棒性好,且计算复杂度较低,运算效率较高。　　第四,为提高互信息熵图像配准方法的配准精度和效率,结合医学图像局部空间结构信息,提出了一种基于边缘特征点互信息熵的医学图像配准方法。该配准方法采用本文第二章边缘检测算法提取医学图像亚像素边缘轮廓,并基于边缘区域特征和梯度信息,构造了边缘特征点互信息能量函数。算法通过最小化能量函数来获取配准参数,配准中采用了改进粒子群优化算法作为寻优策略。研究结果表明,该方法在保证了配准精度的同时,鲁棒性好,配准速度较快,综合性能优良,具有一定的临床推广应用价值。　　第五,为降低配准计算复杂度,提高配准效率,提出了一种基于CS梯度信息熵的快速医学图像配准方法。结合图像局部灰度和空间结构信息,构建了基于CS梯度信息熵的图像配准测度函数,并将Powell优化算法应用于图像配准的参数寻优。理论分析和实验研究表明,所提出的基于CS梯度信息熵的医学图像配准方法是一种快速稳健的配准算法,具有运算速度快、精确度高、鲁棒性好等特点,具有较高的临床应用和研究价值。　　第六,为解决临床和医学研究中多源医学图像融合可视化应用问题,基于医学图像分割及配准算法,提出了多源医学图像特征统一描述模型,并据此设计了一种多源医学图像融合可视化应用系统框架。基于插件的软件设计思想,该系统算法辅助研究平台可具有良好的适应性、开放性和可扩展性,可满足临床应用和医学影像研究的多种应用需求。