现如今,人们生活水平不断提高,自我保健意识逐渐增强,对自身健康也有了更多的需求。随着医疗事业如日中天的发展,医疗影像设备不断的更新换代,出现了适用于不同设备的二维医学图像。如,CT图像能清晰的显示人身体内各种脏器的解剖结构,PET图像能清晰显示人身体内功能结构。充分利用医学图像融合技术,将“功能显像”与“解剖显像”结合起来,实现优势互补。传统的医学图像融合技术虽然取得了很大的成功,但还是存在许多问题:融合规则没有统一性,针对不同融合对象的算法有差异等等。本文主要针对医学图像中脑部的CT和MRI、MRI和SPECT、MRI和PET三组图像经过多种算法和本文算法进行融合比较。为了建立图像融合的框架,本文分析了医学图像的成像原理和特点,概括性的总结了图像融合的步骤。同时,针对融合图像层次不同的特点将评价标准分成两大类。最后,本文重点分析了基于小波变换的医学图像融合算法和基于Curvelet变换的医学图像融合算法,针对基于小波变换融合后的图像无冗余信息量,但分解过程具有方向局限性,以及基于Curvelet变换的图像融合算法具有多方向性的特点,在小波变换的基础上将低频子带采用加权平均的算法,高频子带采用基于Curvelet变换的区域能量取最大的算法。实验选取10组连续的脑部MRI和SPECT图像以及10组连续的MRI和PET图像进行融合,实验结果通过客观评价标准得出一组平均值。再将本文算法的融合结果与其他算法通过7种客观评价标准进行分析比较。通过分析结果,本文的算法达到了预期效果,经本文算法融合后的图像清晰,集中了源图像的大部分能量,纹理细节反差小,无失真现象,综合评价优于其他算法。在临床医学诊断中,对病灶的定位、观测以及治疗方案的制定有重要的意义。