在医学上,图像信息融合对医生了解患者病情具有很大的帮助作用,是临床诊断和治疗中至关重要的技术手段。其中,图像匹配技术是图像融合的基础也是关键,它对医学图像的分析具有很重要的帮助作用。随着医学技术的进步,对其性能的要求也越来越高。为了满足医学上对图像匹配的高性能要求,本文以提高算法的性能为目标进行研究。首先了解了图像匹配在国内外的研究情况,并对图像匹配的基本理论如关键要素、性能指标以及匹配方法等做相应的介绍,同时选定本文要进行改进的算法也就是SIFT算法,并对其进行详细的介绍;其次,由于SIFT算法在匹配时还存在错误的匹配情况,针对医学图像的高性能要求,本文提出了一种对SIFT特征匹配结果进行优化处理的方法,该方法是将图像的形状点集加以椭圆惯量来整合,使其具有仿射不变性,之后将其归一化处理,得到的新图像形状上下文便能够优化匹配点,从而达到除去错误的匹配点,提高算法精度的目的;第三,由于SIFT算法的特征向量是128维,这需要花费很长的匹配时间,本文利用图像Radon变换进行计算,得到24维的特征向量,并用街区距离来进行相似比较以减少匹配时间。同时利用结构相似度函数先粗略的去除错误匹配点,再经过空间几何关系约束进一步剔除顽固性误匹配点以达到对匹配精度的要求;最后,通过实验分别对SIFT算法与改进算法的匹配效果进行比较分析,验证改进算法在提高性能的同时还具有对外界影响的不变性。