医学图像融合是当今医学领域重要的研究方向。通过融合将不同的医学图像信息互补,即将多幅源图像的重要信息体现在一幅融合图像中。融合图像意在获取比任意一幅源图像更为清晰的细节以及更丰富的信息,提供更为全面、准确的图像数据,提高疾病的检出率。论文以CT、PET图像为研究对象,重点研究基于小波变换的图像融合算法,进而提出性能更好的基于NSCT的医学图像融合算法。论文首先介绍了医学图像融合算法的发展背景以及研究现状,进而阐述了医学图像与非医学图像的独有特性。通过分析CT、PET图像各自的优势及不足引出PET/CT图像融合的必要性。对现有的融合规则,包括基于像素点的绝对值取大规则和基于区域的加权平均、区域相似度规则进行了对比分析。在融合图像的评价方面,将主观视觉分析与客观评价指标相结合,本文采用了互补的客观评价指标——互信息和边缘保持度。最后以单独两章的内容分别介绍了目前较为流行的基于小波变换的图像融合算法以及本文提出的基于无下采样轮廓波变换的医学图像融合算法。实验证明,论文中提出的算法能较好地融合CT、PET图像,融合图像很好地保留了CT、PET图像各自的信息——骨骼和软组织均清晰,互信息和边缘保持度指标均高于小波算法,同时具有很好的视觉效果。