随着医学、计算机技术的发展,医学影像技术在临床应用上发挥着越来越重要的作用。医学图像配准的目的就是要将不同时期不同模态的图像进行空间几何变换,使得两幅或多幅图像的对应点达到空间位置和解剖位置的完全一致,配准的结果应该使两幅图像上所有解剖点、或至少是所有具有诊断意义上的点都达到匹配。基于互信息的配准方法由于无需对图像进行预处理、可自动化实现且准确性高,是医学图像配准的发展趋势。本文首先介绍了医学图像配准的原理以及研究现状,对基于最大互信息的配准方法进行了详细的研究,并分析了基于互信息的配准方法的优缺点。在研究互信息配准方法的基础上,本文提出一些改进:(1)针对传统互信息配准方法未利用图像空间信息,测度函数不够光滑,优化过程容易陷入局部极值等问题,本文采用小波模极大值边缘检测提取出图像边缘,提出将边缘图像的梯度相似性系数与传统的互信息相乘作为图像配准的测度函数,并通过使用Powell优化算法对测度函数进行寻优,得出配准变换参数。该方法在互信息的基础上引入图像边缘的梯度信息,突出了全局最优解。实验结果表明,新的测度函数具有较突出的测度曲线,并且这种结合了图像空间信息的配准方法相比单独互信息的配准方法精度高。(2)针对基于互信息配准方法存在配准时间长等问题,提出利用小波变换中的多分辨率思想,先对待配准图像进行多分辨率分解,在低分辨率下采用PSO优化算法取得配准的初步结果,再在高分辨率下采用Powell优化算法取得精确结果,并在分解的各层采用不同的互信息测度函数。实验结果表明,该方法将Powell优化算法和PSO优化算法相结合,充分利用了PSO算法的全局搜索能力和Powell优化算法的局部搜索能力,不仅提高了图像配准的速度,图像配准的精度也同样达到了亚像素级。