医学图像融合是当代信息科学、计算机与医学影像科学相交叉的一个研究课题,它是医学图像处理学科的一个新的研究热点。本文深入研究了目前各种PET-CT医学图像融合的算法仍然存在的缺陷,在此基础上实现了基于克隆选择算法的PET-CT医学图像融合。首先从PET医学图像的空间变换出发,重点研究了基于互信息的PET-CT医学图像配准方法目前尚存在的问题——由于互信息函数具有多极值特性。使得配准参数容易陷入局部最优。针对此问题,本文采用归一化互信息作为配准函数,改善互信息函数使其更光滑。在寻找最优的尺度和旋转参数时,利用克隆选择算法对医学图像配准函数进行优化,有效地避免早熟收敛。对配准后PET-CT医学图像,本文采用基于像素的融合方法实现了PET-CT医学图像的融合。实验表明,该算法只依赖于图像本身的信息,不需要任何假设或先验医学知识,也不需要对图像进行特征点提取、组织分类等预处理,不仅能够实现刚体配准,而且对非刚体的配准也具有良好的性能,同时有效地提高了PET-CT医学融合精度,达到了亚像素级水平。尤其是当图像质量变差或数据缺损时,其融合精度并不下降。因此本文的算法很好地满足了医学图像融合的无创性、精度高以及速度快的临床要求。