本文的研究工作集中于不同医学图像中的解剖和功能信息的融合。我们从两个层次上对这些信息进行融合：像素层和特征层。在像素层融合中，基于小波变换的融合技术是一个研究热点。但常用的离散小波变换的缺点是它不是平移不变的，对称性和精确重构是矛盾的。因此，我们在融合中使用双正交离散小波框架变换进行图像的分析与合成。此外，由于近似系数和细节系数具有不同的物理意义，我们为它们设计了不同的融合法则。特别地，在近似系数的合并中引入了自适应加权平均的组合方法，有助于图像信息的有效集成。对应于特征层融合应用的目的，传统的解决方法是决策层融合。但决策层融合的一个显著缺点是融合算子远离信息源，融合精度差。我们提出使用特征层融合的解决方法，它的一个优点是融合算子离信息源比较近，因而能获得较高的融合精度。分类用的特征和分类器是我们的特征层融合的两个重要组成部分。我们提出使用小波变换与马尔可夫随机场相结合的特征提取方法提取图像特征，解决了特征的有效性问题。此外，我们提出使用Fuzzy ARTMAP神经网络作为分类器，保证了分类的准确性。 我们将上述图像融合技术应用于临床数据，实验结果表明，融合结果有一定的临床应用价值。