医学图像配准和融合是医学影像领域的研究热点之一。对不同模态的医学影像信息进行适度集成、融合后,可以为临床医生提供更加清晰、直观的疾病诊断图像,方便临床医生有效观察和正确诊断。因此,研究医学图像配准和融合具有十分重要的意义。　　 论文主要研究医学CT和MR图像的配准和融合算法,并为将其应用于病灶定位与医学诊断奠定基础。归纳起来,主要工作有如下几点:　　 (1)论文系统研究了基于互信息和Powell算法的医学图像配准算法及其相关技术。首先初始化变换参数,并对图像进行空间变换和PV插值;然后采用互信息作为相似性测度,用Powell优化算法搜索最优参数;最后再对待配准图像进行空间变换与插值,从而实现配准。实验表明,该算法具有较好的配准精度和速度。　　 (2)针对基于区域的EM融合算法存在局部细节丢失和消耗时间过多的问题,提出一种基于多分辨率的医学图像区域融合算法,并选择contourlet变换作为多分辨率分解方法。首先,对低频带用FCM(模糊C均值)算法进行分割,并建立联合区域映射图,通过实验比较了两种建立联合区域映射图的方法;然后对联合区域映射图的各对应区域建立图像信息模型,并假定噪声服从高斯混合模型,再用EM算法对模型参数进行估计,并得到最终的区域融合图像,高频带考虑邻域的影响,采用重要中心系数法则进行融合,有效克服了噪声的影响;最后,对融合系数进行重构,得到了最终的融合图像。模拟和真实医学图像实验表明了基于多分辨率的医学图像区域融合算法的有效性。　　 (3)针对基于区域的融合算法还存在时间消耗较多的问题,引入Bootstrap抽样技术,提出了基于Bootstrap和区域能量的医学图像融合算法。先用FCM算法对源图像进行分割,建立联合区域映射图;然后对各对应区域按照一定的抽样标准抽样,得到Bootstrap样本;之后,通过样本对区域能量进行估计,并取能量平均值,来确定区域融合的加权系数;最后按加权平均法进行各区域融合。模拟和真实医学图像的融合实验表明,该方法有效降低了融合时间,提高了融合质量。　　 本论文作为医学图像配准和融合方法的前瞻性研究工作,试图为以后开展相关工作奠定基础。