医学影像己成为现代医学中的一个重要的组成部分。医学影像的研究包括两个独立的部分:医学成像系统及医学图像处理。前者强调对图像形成的过程研究,后者主要对已经获得的图像进行加工、处理,使图像更加清晰;使某些特征量更突出,还可对多种类型的图像进行融合。随着医学影像技术的快速发展,出现了多种模态的医学影像。在临床上,使用多种成像技术并适当地将其加以融合,可为临床诊断和手术治疗提供更加全面准确的信息。而图像配准是融合技术中需要先期解决的问题,也是融合的关键部分。配准的结果使两幅图像的对应特征点在空间上达到一致。医学图像配准的方法大致可分为两大类:基于特征的图像配准方法和基于灰度的图像配准方法。本文详细论述了这两种方法的特点并提出了改进算法。基于特征的图像配准方法将整个图像进行的各种分析转换为对图像特征的分析,从而大大减少了图像处理过程的运算量。而特征提取的准确程度和定位的精确程度将对整个配准过程产生很大的影响。本文通过对现有的特征提取方法进行分析,重点研究了基于点特征的图像配准方法。基于灰度的配准方法直接利用全部可用的图像灰度信息,因此能提高配准的精度和鲁棒性。本文针对基于互信息配准方法的不足,对其进行改进,给出了一种改进的基于联合直方图散度的医学图像配准算法,该方法在分析两幅图像的联合直方图点集分布情况的基础上定义了一种新的相似性测度。实验表明改进算法具有更好的抗噪性能。针对基于特征的图像配准方法和基于灰度的图像配准方法的不足,本文给出了一种特征与灰度相结合的医学图像配准新方法。该方法首先改进传统的Harris角点检测算法提取特征点,然后通过引入特征矢量,将几何变换参数的搜索转换成对特征点的搜索得到初始几何变换参数;接着在初始几何变换参数邻域内进行准确搜索,获得精确的几何配准参数。实验结果表明:与传统的图像配准算法相比,该算法具有较高的配准精度及较强的适用性,较好地克服因陷入局部极值造成图像误匹配的问题。