随着当代医学影像成像系统的发展,各种不同的影像设备为医学诊断提供了不同模态的图像,这些多模态的医学图像可以从不同方面提供医学信息,如解剖信息、功能信息或者骨组织、软组织等,各自有其优缺点。如果能把它们的信息进行综合,作为一个整体来表达,那么就能为医学诊断、人体功能和结构研究提供更充分完整的信息。但在综合这些信息之前我们首先要对不同模态的图像进行配准。医学图像配准技术是医学图像处理技术的一个重要分支,现在已经广泛地应用在医学临床研究中。本文深入研究了医学图像配准的相关技术,应用多种相似性测度准则,对MR、CT、PET等多种模态的医学图像进行了配准。文章一开始简单介绍了医学成像的基本原理及医学数字成像与通信标准等。详细介绍了医学图像配准的原理与方法,对图像配准的具体步骤做了详尽的分析,其中包括配准实现中的几何变换、图像插值、相似性测度、优化算法和多分辨率方法等。实现了基于Powell优化和梯度优化算法与多种相似性测度(MI、NMI、MMI)相结合的配准程序。配准变换采用刚体变换,并详细介绍了图像的变换模型(前向变换和后向变换),分析了图像变换参数各分量对相似性测度值的影响因子,依此为各分量设定不同的缩放因子。对几种常用的图像插值算法进行了性能和计算复杂度的比较,选择了性能和计算复杂度折中的双线性插值方法。通过实验分析并比较了三种相似性测度准则的性能。采用不使用目标函数导数的Powell方向加速法来求取目标函数的极值,有效地克服了局部极值的影响。加入质心主轴预配准来提高配准精度和加快收敛速度,并取得了成功。对待配准图像信息进行抽样,以降低配准精度为代价极大的加快了配准速度。本文也还存在一些不足之处。我们是在逻辑空间对图像进行配准,对配准模型进行了简化;采用刚体变换模型,没有考虑人体局部的弹性形变;采取的一些提高精度和加速的策略存在一定的局限性;关于配准准确性评价的问题也没有得到很好的解决。