本文对医学图像融合的理论、方法和技术作了全面、细致的研究。首先对研究背景以及医学图像融合的有关概念、分类及方法进行了综述，然后分别深入研究了单模医学图像的配准、多模医学图像的配准以及图像信息的融合。 对于单模医学图像的配准，由于其来源于同一医学图像设备，故图像间差别很小，可利用相关性测度来进行配准，本文选用了最小方差测度、标准化相关测度作为两幅图像间相似性准则来估计变换参数，同时也使用了基于最大互信息的方法进行配准，并对配准结果进行了比较分析。 在配准过程中，最优化程序的选择在很大程度上决定了配准的速度和结果。这里我们采用梯度坡降法（gradient descent method）和Powell搜索算法相结合的方法，在很大程度上解决了局部极值的问题，又克服了Powell搜索算法的效率差的问题。 由于经小波变换后，图像在不同分辨率上的细节信息不会互相干扰，融合图像的块状伪影亦容易消除，因此，我们提出了基于小波变换的图像融合方法：将待融合的原始图像首先进行小波变换，把其分解在不同频段的不同特征域上，然后在特征域上进行融合，通过将不同频率范围内的信号分别组合，产生具有不同特征的融合图像，从而实现了图像信息的融合。 最后，本文简要介绍了医学信息分析系统（MIAS）的主要功能，以及医学图像融合技术在各个功能模块中的作用以及具体实现。