随着医学成像技术的进步和各种成像设备在临床的迅速普及，多种模态的图像被用于医学检查和治疗。不同模态的图像从不同的侧面表达了检查对象的信息，常常具有互补的特性。例如MRI图像能够清晰地反映诸如大脑等软组织的解剖学信息，而功能磁共振图像(fMRI)虽然表现不出脑组织形态，但它能显示出在特定刺激下，大脑被激活区域的位置及强度等功能信息。 传统的fMRI表现方法是通过设定阈值，分割出功能区域后，把功能区域图像直接叠加在解剖图像之上显示，这种方法虽然可以准确地表达出大脑中被激活区域的位置，但同区域的解剖结构信息受到损失。对于医学研究来说，功能区域的沟回信息同样也是非常重要的，因为位于大脑皮层的功能区域往往与沟回走向十分相关。本文研究图像融合技术，把解剖信息与功能信息有机地结合起来，在无需阈值化的条件下，在一幅图中同时清楚地显示功能信息与解剖信息。 本课题研究医学图像融合方法，解决功能磁共振图像与解剖图像的融合问题。本文首先介绍并实现了功能磁共振参数图像的重建与配准方法，然后对目前常用的图像融合方法及其层次划分进行了小结，最后着重研究了基于小波分析的图像融合方法。考虑到小波分解的方向性及待融合目标图像的特点，本课题对传统的小波融合方法进行了改进，将二维的小波融合拓展到三维空间，利用类间方差法自适应地为融合策略选取阈值，以及为融合策略添加了方向性模板。 改进后的方法被用于解剖磁共振图像与功能磁共振图像的融合，利用图像融合评价准则对实验结果进行了评估，各项参数均显示，改进后的融合方法令图像融合结果的各项指标有了较大的提高，包含了更多的信息及有效特征，具有重要的临床诊断和科学研究价值。