二维-三维图像配准方法作为医学图像配准领域研究的一个分支,是当前研究的热点之一。其最典型的应用实例是介入外科手术导航中。由于二维医学图像缺乏三维空间信息无法为临床医学诊疗提供足够的信息,因此在手术导航中,需要将手术前获取的三维数据与术中实时采集的二维图像通过图像配准技术结合起来,以补偿部分空间信息,辅助诊疗。在对人身安全要求日益增高的今天,配准精度与效率的提高就意味着安全性的提高,因此,需要寻找出一种速度快、精度高、匹配适应性好的图像配准算法。本文通过对人体骨骼x线透射图像与同一部位三维的CT数据实例进行配准,首先研究了基于最大互信息的医学图像配准方法,并分别运用Powell算法和蚁群算法作为优化搜索策略以获得变换参数。Powell算法是一种经典的局部优化算法,但由于算法本身原理的局限性,在配准图像的目标函数性质不好,如人体骨骼图像配准中,局部极值较多时有一定概率得不到局部最优值,影响配准的精度和效果。文章在全局智能优化的蚁群算法的基础上,设计了一种将互信息和蚁群算法相结合的二维-三维图像配准方法。该方法对配准过程中的搜索策略进行了改进,求解基于互信息的配准过程中的参数。通过对比实验表明,改进方案可以较好地实现医学图像配准,不仅改善了传统局部优化算法中配准参数求解并不是全局最优的问题,且可实现更加精确地配准。另一方面,针对智能算法计算量较大和时间开销多的不足,介绍了一种多分辨率由粗到细的处理方法。该优化方法采用小波变换对配准图像进行二层分解,令配准过程中改进蚁群算法的参数随多分辨率级数自动调整。实验结果表明该方法可以有效减少配准时间,加快配准速度。本文在医学图像二维-三维配准方法的研究上做了一些有益的探索,并得到了比较好的实验结果。该实验结果对更加高效的应用计算机技术辅助医学具有一定的实用价值。