多模态医学图像配准在医疗诊断、治疗方案的制定以及身体机能的研究等方面起到越来越大的作用。基于互信息的图像配准方法具有自动化程度高、配准精度高等优点,已被广泛应用于医学图像的配准。因此本文主要针对基于互信息的多模态医学图像配准进行研究。所做的主要工作有:首先介绍了医学图像配准技术的意义、发展现状和临床应用。然后对医学图像配准技术做了一个简单的综述,详细分析了图像配准的基本原理和实现步骤,探讨了医学图像配准的主要方法,同时还对配准方法的分类及相关评估进行了综述。其次深入的研究了基于互信息的医学图像配准方法,并讨论了互信息的相关理论知识以及插值方法、出界点处理和采样技术对互信息配准的影响。针对基于互信息的图像配准中的局部极值现象,本文详细分析了局部极值产生原因,然后根据信息熵的基本性质,提出了采用降低图像灰度级的方法来抑制局部极值。仿真实验证明该方法可以有效抑制局部极值,便于最优化搜索算法搜索到正确的配准参数。最后在对最优化搜索算法研究中,介绍了全局寻优能力较强的遗传算法。并针对互信息法图像配准过程中待优化目标函数的性质,对基本遗传算法从编码方式和遗传算子操作等几个方面进行了改进,提出了一种基于实数编码的自适应遗传算法。而后根据该算法和Powell算法各自的优点,提出了采用两种算法相结合的混合优化算法对互信息函数进行优化的方法。仿真结果证明了采用混合优化算法可以有效的提高配准的稳定性与精度。