随着医学影像学的发展,涌现出了大量的高精度的成像设备,但由于不同形式的成像设备的成像机理不同,所以他们对信息的描述的侧重点不同,具有各自的局限性,通常只能较好的反映人体某些方面的信息,因此为了对疾病做出精确的诊断或者是提出精确的治疗方法,通常需要对各种医学图像进行融合。长期的实践证明基于多尺度多分辨率的图像融合方法能获得较好的融合结果,而二维经验模式分解作为一种新的多尺度多分辨率图像分解方法具有其它多尺度多分辨率方法无法比拟的优势,因此本文将其引入医学图像的融合中,本文主要的内容和成果如下:1.对一维经验模式分解的由来、原理、算法步骤、性质以及存在的问题进行了分析与研究,接着将其推广到二维的情况,也即二维经验模式分解,详细的分析了二维经验模式分解算法的框架和其中涉及到的关键技术。2.鉴于传统的二维经验模式分解花费时间长、分解效率低和分解结果中存在严重的灰度斑的问题对其进行了改进,提出了改进的二维经验模式分解。该改进算法通过在时域内设定每次分解的最大邻域,对每次的分解进行了一定的限制,从而有效地减弱了分解结果中的灰度斑,另外在邻域内采用基于空域的顺序统计滤波器对离散的极值点进行包络估计,由此来获得上、下包络,有效地减少了使用各种插值算法求取包络时的低效性和使用插值算法时带来的其它问题,使算法的效率得到了极大的提高,最终通过该改进算法使得分解的质量和效率都有明显的提高。3.将改进的二维经验模式分解应用到医学图像融合中,首先将待融合的医学图像进行改进的二维经验模式分解,然后对分解的内蕴模式函数和残余项采用不同的融合规则进行融合。通过与其它融合算法的融合结果比较,证明了将改进的二维经验模式分解引入到医学图像融合中的可行性。4.根据CT图像和MRI图像自身的显示特点和在融合结果中所起的作用,提出了基于改进的二维经验模式分解和区域分割的医学图像融合算法。该算法首先将CT图像通过变分水平集分割算法将其分割为参照区域和病灶区域,并将分割模式映射到MRI图像上,将MRI图像的相应区域也分为参照区域和病灶区域,接着对CT图像和MRI图像分别进行改进的二维经验模式分解,之后针对图像不同区域和不同分解层的性质提出了新的融合评价标准指导其融合。最后通过实验证明了该融合算法能取得较好的融合结果。5.实现了医学图像融合系统,主要实现了在研究中所涉及的各种对医学图像融合的方法,并对最终的融合结果进行评价。