近年来，医学图像融合技术已成为医学图像处理领域一个前沿性的研究热点，图像融合将不同模态医学图像数据中所含的信息优势或互补性信息有机地结合起来，增加病灶或感兴趣部位的可视性，以获得更可靠、更准确的信息供观察或临床诊断。　　 小波包变换具有比小波变换更加优良的时频局部化特性，能更有效提取医学图像中病灶或感兴趣部位的特征。2v-SVM(2v-Support Vector Machine)是一种基于结构风险最小化原则和统计学习理论的新的人工智能学习算法，该算法不仅有效改善了传统分类方法的缺陷，而且具有参数意义明确、变化范围小、更容易确定以及运算量小的特点，具有非常优异的推广能力。　　 本文在分析比较了小波、小波包、常规的SVMs算法、v-SVM以及2v-SVM算法的基础上，将2v-SVM引入医学图像融合中，提出了一种基于正交小波包分解和2v-SVM相结合的医学图像融合新方法，构造出一种自适应加权系数融合算子。该融合算法具有正交小波包在图像特征提取方面的优越性以及2v-SVM高的正确分类率和泛化能力的特点。　　 通过选取不同核函数对支持向量机及融合算子进行优化，有效地解决了医学图像融合难点-信息的取舍问题，为医学图像融合提供一种新的途径。　　 分别用信息熵、交叉熵、平均梯度和平均误差对融合效果进行了客观评价。在视觉效果上，本文提出的融合算法充分保留了源图像的显著特征，从客观评价指标看，其融合性能优于其它传统的融合算法。　　 开发了医学图像融合系统。在WindowsXP环境下，采用VC++6.0，根据实际需求，设计并实现了多模医学图像融合的各个模块，包括医学图像的输入输出、基于不同算法的图像融合、图像处理、客观评价等功能模块，实现了基于小波包结合2v-SVM算法的医学图像融合系统。该系统结构紧凑合理，运行稳定，能够快速、精确地对两幅医学图像进行融合。