在现代社会中,随着人民生活水平的提高,居民对个人健康状况越来越重视,推动了现代医学的蓬勃发展,也促进了医学影像在临床应用中的大爆发。多源医学图像提供了人体组织器官的细节信息,是当代医务工作者进行临床诊断不可或缺的依据。通常在诊断过程中,必须综合多幅医学图像,进行全面的考量,才能准确判断病灶位置和病情的发展阶段的信息。医学图像融合技术可以将多幅医学图像根据一定算法整合到一张比较完备的融合图像中,是医疗诊断全局性的必然要求。医学图像配准是融合的前提,通过平移和旋转等操作,对多模态医学图像进行预处理,在一定程度上避免了融合过程中不同组织信息的相互干扰。本文在医学图像配准部分,从临床上的应用为基本出发点,实现了二维刚性图像的配准,分析了基于互信息的医学图像配准方法,全面研究了互信息配准法中插值和优化算法对处理结果的影响。出于降低耗时的目的,本文采用矩-主轴法初次配准源图像。为了解决互信息配准法的局部极值问题,本文提出了改进的部分体积插值法,并且通过增加梯度互信息,让图像配准的准确性更上一个新台阶。最后通过比对仿真,可以证明全新的GSI-CSPV-PSO联合算法在医学图像配准中具备较大的优势。对于配准后图像的融合过程,本文利用图像融合领域中的几种常用变换,引出了第二代Curvelet变换的原理,分析了离散Curvelet变换的两种快速实现算法。基于USFFT算法,本文通过实验仿真显示出图像经Curvelet变换后的系数分布,并完成了分解图像的分层重构。进而把第二代Curvelet变换引入实际应用层面,首先对医学图像进行Curvelet变换,然后在粗、细尺度上分别选取合适的融合规则,将两幅图像的Curvelet系数融合,得到融合结果。最后通过对比试验,验证了改进的Curvelet变换在医学图像融合中具有良好的实用性。