随着医学影像技术的快速发展,出现了不同模态的医学影像。由于成像机理不同和人体组织结构的高度复杂性,单模态的医学图像不能提供医生所需要的足够信息,而不同模态的医学图像提供的信息是不能覆盖、相互补充的。因此,在临床诊断和治疗中,对于多模态医学图像的配准和融合有着十分重要的意义。图像配准是图像融合首先要解决的问题,也是融合的关键所在。配准的目的是使两幅图像的位置在空间上达到一致。本文采用力矩主轴法计算两幅原始图像的水平平移量、垂直平移量和旋转量,然后设定初始缩放系数,将此初始配准参数作为改进单纯形法的初始参数,以互信息作为相似性测度进行迭代搜索,当互信息最大时,达到最佳配准。改进单纯形法可根据试验结果调整反射距离,用“反射”、“扩大”、“收缩”或“整体收缩”的方法,加速新试验点的优化过程。本文对多种解剖图像和功能图像进行实验,结果表明本算法不需要人为干预调整待配准图像的分辨率,能实现不同分辨率下非刚体变换的自动匹配,配准速度快、精度高,能够满足脑图谱开发过程中的多模图像配准要求。在进行了精确配准后,本文采用了小波变换对配准后的图像进行融合。在融合的策略中对于图像的高频融合,取两幅图像小波系数矩阵对应元素的最大绝对值构造小波系数矩阵;对于低频融合,采用了基于领域像素相关和基于区域方差相结合的融合策略。结果表明,融合生成的图像更清晰,细节更丰富,病灶显示明显,相对位置准确,反映了原始图像中更为全面的、互为补充的多重信息,对颅脑病变的定性、定位研究具有重要的意义,为临床诊断和治疗提供更精确的数据。