图像配准算法一直是图像处理领域中研究的难点和热点.随着医学图像处理技术近年来的飞速发展与广泛应用,针对医学图像处理中图像配准算法研究也得到重视.由于医学图像的存储量大,鲁棒性和配准速度成为衡量配准算法的关键.高效而精确的图像配准使多种模态医学图像的融合、对人体病情病理发展的研究、高质量的三维数据重建以及基于模板的模式识另成为可能,也为未来医院数字化和信息化的发展创造了条件.全图像信息配准和外部标定配准是图像配准的两大分支.近年来,用图像互信息量(MI)来衡量图像之间的相似性的方法成为全图像信息配准中新的解决途径,同时,基于模型的外部标定方法也为特定的医学应用提供了可行的解决方案.这两种方法都以其准确的配准精度和更快的处理速度被认为是未来图像配准领域研究和发展的方向.该文主要研究了以上两种图像配准方法的具体算法及他们在医学图像处理的中的特殊应用.在对基于互信息量的图像配准算法的研究中,对其主要的两种实现方法及配准结果进行了比较,并通过单模、多模图像融实验进行分析,最后结合理论提出了在医学图像拼合应用中的解决方案.在对基于模型的外部标定图像配准算法的研究中,以三维XA图像重建中的几何失真校正为应用背景,对具体问题提出自己的解决方法.同时将这两套实现应用到实际的医学图像处理系统中,为医学图像处理工作站增加了新的功能,希望对将来医学图像处理系统的开发与研究有一定的参考价值.