医学图像的信息融合是目前信息科学与医学的一个交叉研究领域,也是图像处理领域的一个研究热点,而医学图像的配准是信息融合的先决条件。不同的医学成像设备成像原理各不相同,因此它们获取的数据含有不同的信息。这些信息大体可以分为两类:结构信息与功能信息。使用相同的成像技术在不同的时间获取的影像数据,则反映了生物体谋部位的结果形态和功能信息随着时间的推移而产生的变化情况。医学图像配准的概念是对两幅或多幅通过不同手段获取的医学图像,或通过同一成像方式在不同时间获得的图像进行空间变换,通过寻优使待配准的图像达到空间位置相匹配的过程。总体上讲,根据医学图像的配准所依据的标准,常用的配准方法可以分为两大类:基于图像外部特征的配准方法和内部特征的配准方法。在基于内部特征的医学图像配准中,基于互信息的医学图像配准方法是目前公认的最有效、应用最广泛的方法。这种方法的主要有点是:在配准之前不需要对不同成像模式下的得到的图像间灰度关系作任何假设,也不需要对图像进行分割等预处理,在灰度缺失情况下配准仍有较高的配准精度。本文从基于互信息的医学图像配准的理论框架入手,对配准过程中的相关技术:图像插值及数据采样进行了研究。配准曲线的局部极值是使优化搜索陷入局部极值,从而影响配准精度、导致误配的重要原因之一。本文对由插值方法造成的局部极值的成因进行了分析,提出了一种新的基于窗函数的插值方法,有效地克服了配准曲线的局部极值,提高了配准精度。在对现有的采样方法进行分析的基础上,本文提出了一种基于梯度信息的非均匀采样方法,在减少配准过程中数据处理量的同时,能使采样前后图像概率分布趋势保持一致,尽可能地保留了重要的图像边缘信息,从而提高配准的效率和精度。此外,本文对互信息应用于多幅图像的配准的可能性进行了初步探讨,提出了一种基于互信息矩阵的熵的配准测度,并应用于两幅及三幅图像的配准中。实验结果证明该测度具有唯一的全局极大值,能应用于多幅图像的配准。在三幅图像配准最简单的情形,即一幅图像作为浮动图像的情况下,达到了较高的配准精度。在仿真实验中采用MR图像对新测度进行考查,实验结果显示新测度对噪声、灰度级缺失、图像偏差场和图像几何失真等情况表现出较好的稳健性。为了进一步提高配准效率,本文将算术几何均值测度引入了多幅图像的配准工作中,取得了良好的配准效果。