医学图像配准是信息科学、计算机图像技术和当代医学等多学科交叉的一个领域,已经在临床诊断、治疗和术前规划等方面有着广泛的应用。本文对医学图像配准的理论、方法和技术进行了全面地分析与总结,重点研究了基于灰度的医学图像配准。基于灰度的配准方法虽然相对于其他方法运算时间较长,但是由于其是对每个像素的灰度值进行计算匹配,所以图像配准的结果往往更加精确,尤其在医学图像处理中显得格外的重要。采用当今流行的归一化互信息方法作为图像配准研究中的测度方法,将熵的概念引入到了图像配准中。本文提出了对一种新的全局优化算法(RPSAM)研究并应用在图像配准过程中,将模拟退火方法的随机搜索策略与局部寻优算法鲍威尔算法相结合,改进了PSAM模拟退火过程中选取初始点的方法并且在模拟退火算法中增加了算法的记忆存储功能,又进一步地对此PSAM算法进行优化使其具有二次收敛的特征。实验结果表明改进后的新算法(RPSAM)能够更有效的防止优化陷入局部极值。对比PSAM,RPSAM算法在计算的精确度上和运行的效率上都有大幅度的提高,从而使图像配准过程的运行时间和最终效果上也有显著提升。最后将RPSAM算法进行测试,从算法的稳健性、可靠性、精度和速度不同方面测试了算法的稳定的性能,证明了RPSAM算法是一个非常好的全局优化算法,符合一个好的全局优化算法应该是一个高效的局部优化算法和一个安全可靠的整体搜索策略的有机结合的原则。