随着生物医学工程和计算机技术的发展,医学图像学为临床诊断提供了多种模态的医学图像,如X线断层成像(X-ray)、磁共振图像(MRI)、功能磁共振图像(fMRI)、单光子发射断层扫描像(SPECT),正电子发射断层扫描像(PET),数字减影血管造影(DSA)、超声成像(US)等。不同的医学影像可以提供人体相关脏器和组织的不同信息。如CT具有较高的空间分辨率,有利于定位病灶,MRI对软组织成傢清晰,有利于确定病灶范围。而PE丁TSPECT虽然空间分辨率较差,但却提供了脏器的功能和代谢信息。所以临床医生迫切希望对不同图像所提供的信息进行适当的整合,使之可以更有效的服务与临床诊断。然而不同模态的医学图像成像原理不同,分辨率不同,成像参数等不同,因此在信息融合前必须先对图像的位置进行校正。由此产生“医学图像配准”这一课题。本文对医学图像配准的关键技术与核心算法进行了深入广泛的研究,并且在图像配准算法的评价方面做了许多研究工作。本文的主要工作如下:(1)提出了基于局部特征和互信息相结合的方法。通过图像自身的局部特征直接计算出“粗”配准矩阵,然后以互信息作为尺度将粗配准的结果进行最优化,得到“精”配准结果。特征的引入有效的减少了全局匹配中互信息的计算量,提高了图像配准的时间效率和配准精度,减少了互信息自身存在的误配。(2)本文提出了可以从图像配准结果和配准算法性能两方面进行评价,并在此基础上,提出了一种基于距离误差的配准结果客观的评价算法,并给出了五种形式的距离误差。最后,本文实现了一个全自动的图像配准系统,包括配准评价算法。