随着计算机技术和生物医学工程技术的不断发展，图像配准在医学领域中得到了广泛应用，疾病诊断和临床治疗对配准的精度和速度要求也随之逐渐提高。根据内部特征的特点，可将配准方法可以分为两类：基于几何特征的配准和基于灰度信息的配准。基于几何特征的医学图像配准需要进行预处理，无法实现自动配准，而且配准的精度受到图像的影响，由于该类方法的种种局限性，基于灰度信息的配准方法得到了广泛的关注，其中，基于互信息的医学图像配准方法是目前公认的最有效、应用最广泛的方法，该方法不需要有关待配准图像的其他先验知识，不用特征提取或者作其他的任何预处理，不需要人工参与，操作简单，同时，鲁棒性好、配准精度也较高，适合多模态医学图像配准，因此得到了广泛重视和应用。本文首先对医学图像配准的基本概念和步骤做了介绍，并且对目前有关配准的研究热点、关键技术和面临的关键问题做了详细的分析和阐述。然后，引出本文的研究重点，即对医学图像配准的相似性测度和搜索策略的研究。同时，也对本文涉及到的关键技术和思想进行了简单的介绍。其次，针对基于互信息的医学图像配准的相似性测度精度不高的问题，本文引入加权互信息和梯度信息，设计了一种改进的相似性测度。该相似性测度采用了归一化结构，并且对梯度信息也做出了相应的改进，用梯度模值的差值来反应灰度变化的激烈程度，使得该相似性测度更加有效，从而提高配准的精度。通过实验仿真的结果可看出，相较于单独的以互信息为相似性测度的配准方法，或者直接将互信息和梯度信息相结合的配准方法，基于本文提出的相似性测度的配准方法可以有效的提高配准精度。最后，针对基于Powell的图像配准方法易陷入局部极值的问题，本文提出一种改进的Powell算法，该算法在更新方向集时对新方向进行判断，以防止搜索方向的退化。同时，采用多分辨率策略，用低分辨率层图像的配准结果作为较高分辨率层图像的搜索初始值，考虑到Powell算法的局部搜索性，引进模拟退火法，即采用混合搜索算法，在最低层采用模拟退火法搜索，其他层采用改进的Powell算法，这种基于多分辨率策略的混合搜索方法既可以克服初始值对Powell算法的影响，从而加速了配准过程，又可以克服局部极值，提高配准的精度及鲁棒性。实验证明本文提出的搜索方案可以有效地减少搜索时间，降低配准误差，是一种有效可行的方法。