随着科学技术的快速发展,多种传感器被应用于各大领域,这使得医学成像技术也得到了稳健的发展。现用于医学图像成像的技术有CT、MR、X射线、超声波等等,每种成像技术所获取的图像都有它们各自的特点。而随着医学技术发展的需要,单一模态的医学图像提供的数据简单,往往不能准确地反映病灶特征,不能够提供足够的数据来帮助医生做出更好的诊断。因此,融合多模图像的特征来帮助医生诊断病情成为研究的一个重要问题。但是多模图像融合的前提是多模图像进行配准,所以获取精准的配准结果尤为重要。图像配准方法大致可以划分为三大类:一是基于灰度信息法,二是基于特征法,三是基于变换域法。基于灰度信息法一般不需要对图像做预处理,实现过程比较简单。基于特征的方法在配准前需对图像做预处理,提取图像的特征,再根据图像之间的特征来匹配。基于变换域的图像配准是在频域内完成的。但由于多模图像的侧重点不同,容易造成误配的结果。多模图像的同一部位所得到的图像结构信息是一致的,提取精确的图像特征对多模图像配准很重要,因此本文的重点是结合图像的结构信息完成配准。本文的研究工作依次分为如下几个部分:首先,提取图像的相位一致性图像,相位一致性其实是图像特征检测的一种方法,对图像先做傅里叶变换,然后把傅里叶分量相位最一致的点当作图像的特征,该方法可以得到较为完整的图像特征。其次,获取图像的梯度幅值图像,并且将相位一致性图像和梯度幅值图像合理的融合在一起,这样就得到了较为完整的结构信息图像。最后,采取区域互信息的配准方法来配准,遗传算法实现优化,该方法不但利用到了图像的结构特征,而且还结合了图像的灰度信息,使得配准的结果更准确,更有效,稳定性也更好。通过实验验证,基于相位一致性原理提取图像特征不受噪声、光照和对比度等因素影响。通过相位一致性图像和梯度幅值相结合得到的图像结构信息清晰,基于图像结构信息和区域互信息的图像配准方法不仅精度高、效率高,而且鲁棒性好。