随着科学技术的发展,在医学图像已经成为临床诊断中不可缺少的重要组成部分的同时,医学影像技术也已成为医学诊断中最活跃的研究领域之一,医学图像配准技术是其中的一个热点问题。图像配准是对两幅或两幅以上,由不同时间、不同角度或不同设备所拍摄的相同场景的图像进行空间对齐的过程。对于医学图像,图像配准可以分为单模医学图像配准和多模医学图像配准两种。单模医学图像配准主要用于疾病的发展监控；多模医学图像配准是对不同模式的图像进行配准,以融合不同模式图像所反映的信息,为临床诊断和手术治疗提供更加全面准确的信息。本文首先概述了图像配准的研究背景、常见的配准方法和变换模型,并对目前主要的配准方法进行了归纳。目前,图像配准的方法很多,但没有一种方法可以同时对单模和多模图像处理产生较好的效果。基于点特征的算法配准时间较短,但配准精度较低,对于多模医学图像配准效果较差；基于灰度的算法精度较高,但配准时间较长,尤其是对于单模图像的配准时间相对更长。针对这个问题,本文提出了基于点特征和灰度特征相结合,利用人工免疫算法进行参数优化的算法进行医学图像配准。特征点提取部分采用Harris算子,并针对Harris算子误检率较高的问题进行了改进；相似性测度选择了基于灰度的互信息测度；针对参数搜索,本文将人工免疫优化算法引入到医学图像配准中,有效地避免了传统优化算法搜索时间长、遗传算法容易陷入局部极值的问题。本文做了大量的研究对比实验。对改进的Harris算子提取特征点后与灰度特征相结合、经典的Harris算子提取特征点后与灰度相结合、单独使用点特征和单独使用灰度特征四种算法的实验结果进行对比,得出改进的Harris算子提取特征点与灰度特征相结合对医学图像进行特征提取效果最好。将本文算法与传统算法分别应用于单模医学图像配准和多模医学图像配准,分别利用本文的人工免疫优化算法、传统的Powell优化算法、遗传算法的实验结果进行对比,实验结果显示本文提出的算法具有较好的精确性、有效性和鲁棒性。