随着现代医学的发展，医学领域产生了许多医疗成像设备，各种医学图像也随即得到了广泛的应用。在医学上，为了对病情做出准确全面的诊断及治疗，往往需要对病变组织来自不同医学图像的信息进行研究分析。医学图像融合技术作为数据融合的一个分支，可以利用不同医学图像之间冗余信息改善图像的信噪比，从而获得更为可靠的融合结果。同时，利用互补信息可使获得的融合图像包含更丰富的细节及更全面的信息。在各类融合方法中，像素级的图像融合具有获取信息量最多、监测性能最好等优点，是目前图像融合的研究热点，也是本文研究的重点。论文的主要工作及内容如下：介绍了图像融合技术的发展背景、图像融合的基本概念及其在医学领域的研究价值，并对常用医学图像的成像原理及医学显像的特点作了简单介绍，总结了医学图像融合分类方法和融合效果的主、客观评价标准。阐述了小波域的图像融合原理及一般方法。对三种现有的小波图像融合方法进行了研究，通过试验指明了目前的大多数基于小波变换的医学图像融合算法的缺点。从传统的小波定义出发，研究了小波变换对信号的分解和重构的基本原理。双树复小波不仅保持了传统的实小波变换多分辨率特性和时频局部化的分析能力，而且具有更好的方向选择性、平移不变性和有限的数据冗余等特点。其近似的平移不变性恰好可以解决小波变换不能解决的因信号平移而导致各尺度上的能量分布发生变化的问题，双树复小波变换良好的方向选择性使其在每一尺度上可以分解为8个子带，反映细节特征的高频部分能分别描述±15~0，±45~0，±75~0(共6个方向)的属性，所以它能反映出灰度图像在不同分辨率下沿更多方向的变化情况，从而更好的描述图像的方向特征。本文将双树复小波变换结合在一起应用于图像融合中，利用它的近似的平移不变性和良好的方向选择性对图像进行分解和重构，最后将实验结论传统的离散小波变换所做的结果作了比较。