为了充分利用不同模态的医学图像信息,需要对图像进行融合,而融合之前必不可缺的就是图像配准。图像配准是医学图像处理中的关键技术,对医学图像处理技术发展具有十分重要的意义,同时在提高医疗水平方面也发挥着巨大作用。配准过程存在多个环节,处理妥当它们之间的契合度十分重要。相关人员对医学图像配准的各个步骤进行了大量研究,由于不需要提取特征和对图像进行预处理,基于互信息的灰度医学图像配准受到了广泛关注。众多学者积极投入其研究中,越来越多的新的医学图像配准算法在实际生活中得到了实现,配准效果取得较好的精确度果和较强的鲁棒性。图像配准逐渐的成为医学图像处理领域的热点之一。本研究在互信息和多分辨策略的基础上,对前人的研究做出一些改进。本研究所做的工作安排如下:(1)论文系统介绍了医学图像配准的研究背景及意义、概念及配准的基本框架等理论知识,阐述了图像插值、互信息测度和多分辨率策略等内容。(2)针对粒子群算法在图像配准过程中存在易陷入局部极值的缺点,在利用多分辨率策略的基础上,提出改进的粒子群算法。改进的粒子群算法引入自我调节策略和自适应的权重,结合小波变换分解图像形成图像金字塔,在每层图像上使用改进粒子群算法进行优化,前一层的图像配准结果作为下一层图像配准中粒子群算法种群的一个参数,以此来提髙配准结果的精确度,分别通过对脑部MRI与CT以及脑部CT图像与自身变换图像进行配准,配准实验能够取得良好的效果,验证了本算法的有效性。(3)针对Powell算法在图像配准存在局部收敛能力差的问题,提出利用改进的差分算法和Powell算法对图像进行配准。在源图像上进行基于小波变换的图像分解,将源图像分解成三层结构,对每层使用不同的优化算法进行配准:第一层使用改进的差分算法,后两层使用Powell算法。引入自适应算子的改进差分算法,极大的解决了Powell算法过度依赖初始点的问题。通过真实图像的配准,验证了基于小波分解的多分辨率策略能够加快图像配准的进程,同时也能够获得了良好的配准结果。通过对配准实验结果的分析,在以互信息和多分辨率策略为基础上利用本研究的算法,能够减少配准的时间并取得良好的结果。