多模态医学影像融合指将不同模态的影像融合在一起,目的在于充分显示形态成像方法的分辨率高、定位准确这一优势,克服功能成像中空间分辨率和组织对比分辨率低的缺点,最大限度地挖掘影像学信息,得到更丰富的信息以便了解病变组织或器官的综合信息,从而为医生做出准确的诊断或合适的治疗方案提供可靠依据。当前,医学影像融合已经成为医学影像处理领域的一个研究热点,具有广阔的应用前景,本文针对多模态医学影像融合展开研究。针对基于小波变换的医学影像融合过程中存在部分边缘丢失和纹理信息模糊的问题,本文提出了一种基于多小波变换和模糊推理的融合方法,利用多小波基的紧支撑性、对称性、高阶消失矩等性质为融合提供了更精确的多分辨分析空间。通过对不同的多小波基进行分析比较,选择出最适合医学影像融合的多小波融合算子。在融合规则的设计中,对高频分量采用基于模糊推理的融合规则,将高频域的多小波系数映射到模糊集合中,有效避免了融合后医学影像的模糊性问题。对低频分量采用区域方差加权融合规则。实验结果表明,本方法能够充分保留源影像信息,融合效果优于小波变换方法。当前,D-S(Dempster-Shafer)证据理论已成功应用于数据融合、风险估计、地表勘测等领域,本文首次将D-S证据理论引入多模态医学影像融合方法中,提出了一种基于改进的D-S证据理论的多模态医学影像融合方法。首先,改进了D-S证据理论的证据合成规则,以便处理高证据冲突的情况;其次,采用源影像的纹理和边缘属性作为证据,通过证据合成后各影像点属性确定融合规则。实验结果表明,融合后影像较为完整地保留了源医学影像的边缘和纹理细节信息,有效提高了融合质量,优于现有融合方法,具有普适性特征。最后,对论文的研究内容做了简要总结,对未来研究方向进行了展望。