随着科学技术及医学成像技术的高速发展,用于人体器官的检查和疾病诊断的各种医疗设备不断的出现,为医疗现代化的发展提供了更多的硬件支撑。医学图像处理的发展面临着对多模多源信息综合应用的挑战,通过各种成像技术之间的融合,大大提高了医学诊断与治疗的准确性,这些都需要以医学图像间高效、高精度的配准为前提,这也成为当前广泛研究的热门技术。基于以上背景,本文对现有图像配准方法进行了分析研究,在此基础上,提出了基于支持向量机SVM算法的CT/PET医学图像配准方法。首先,引入小波变换,在多尺度上对CT图像进行特征提取,构建了新的CT图像的边缘提取算法。小波变换特征提取算法运行速度快,有效抑制边缘噪声,提高边缘检测的准确度,对提高医学图像配准的精准度有很大的实用价值。其次,用支持向量机算法作为图像配准依据。建立支持向量机算法的参数寻优模型,对特征向量的样本集通过最小二乘支持向量机算法的回归性能进行变换模型的估计,最终找到最优的变换模型,提高了算法的鲁棒性。最后,为提高配准图像的平滑性,利用灰度插值的方法对图像像素值进行估计,确定最终配准图像。并与传统互信息配准方法对比,进行仿真实验和分析。基于SVM算法的CT/PET图像配准方法,与互信息法相比在计算的时间和所需要的内存空间上都表现出很突出的优势,是一种有效且具有实际应用价值的医学图像配准方法