成像技术的迅速发展，使得人们可以对越来越多的复杂对象和过程成像进行仿真，因此对图像分析新方法的需求变得更加重要。医学图像配准技术是90年代才发展起来的医学图像处理学的一个重要分支，并在现代医学研究中得到广泛的应用。图像配准是图像处理领域的一个基本问题，它是同场景的多图像分析的基础。多模态医学图像配准在疾病的诊断及治疗中有着重要的应用。本论文对医学图像配准尤其对多模态医学图像配准进行了创新性研究。 本文首先介绍了医学图像配准技术的现状和主要方法，对各类配准算法及相关的技术进行了综述。其次，分析比较了传统的单模态配准技术，阐述其优缺点，并且详细地介绍了通用性相对较好的基于投影的单模态图像配准。通过实验可知它的配准速度和精度等都很理想，但对于多模态的配准效果并不理想。由于多模态医学图像配准难度较高，目前的多模态配准方法仅能满足某种需求，多模态的图像配准很难有一个通用性非常好的方法。目前公认的基于统计模型的医学图像配准技术的通用性相对较好，它对单模态和多模态的医学图像配准都有很好的效果，但是基于统计模型的方法和其它方法一样受样本空间的限制。本文提出了基于复数小波与支持向量机的医学图像配准，该方法在小样本的情况下配准效果也非常的好，这样就可以克服样本空间的限制，使实验结果更精确。 为了检验不同配准方法的配准效果，我们采用了美国Vanderbilt大学的医学图像数据库中的图像数据，对算法进行了测试。根据测试的结果，我们可以认为这一方法可以很好的解决多模态图像的配准问题，具有较高的精度和鲁棒性，通用性好。 最后本文提出了今后要解决的问题和发展方向。指出基于复数小波与支持向量机的方法可能给我们的图像配准和分析提供更优秀的解决思路。