随着医学技术的快速发展,各种各样的成像设备为临床诊断和治疗提供了丰富的医学图像,如计算机断层扫描(CT)图像、正电子发射断层(PET)图像、核磁共振(MRI)图像等。将这些不同类型的图像融合使用,可以为医生提供更加全面的诊疗信息。多模医学图像配准则是实现医学图像融合的关键。本文对多模医学图像配准方法进行了研究,其中重点研究了基于互信息和梯度信息的配准方法;在梯度信息的提取、互信息与梯度信息结合的方法和提高配准速度方面进行了深入地研究,并进行了充分的实验验证。本文的主要工作如下:(1)提出了一种基于归一化互信息与梯度信息按权重结合的多分辨率图像配准方法。首先对原始图像进行小波分解,获得低分辨率图像,然后对低分辨率图像进行粗配准,确定大致的搜索范围和互信息与梯度信息的结合权重,最后对原图进行精确配准。该方法可以有效地加快配准速度并提高配准精度。(2)改进了梯度信息的提取方法。梯度信息主要反映的是图像中骨骼边缘信息。本文将初步提取的梯度幅值图与经过高斯模糊、开启运算后的原始灰度图相乘获得最终梯度幅值图;实验结果表明该方法可以更好地突出骨骼边缘等主要信息,有效地抑制噪声以及软组织等干扰信息。(3)为了提高配准速度与精度,本文采用了粒子群优化(PSO)算法与Powell算法相结合的分步寻优算法。首先使用PSO算法对小波分解得到的低分辨率图像进行全局寻优;然后以PSO寻优结果作为Powell算法的初始值,对原图像进行局部精确寻优。该寻优算法极大地加快了配准速度,并有效地避免了陷入局部寻优的现象。