上个世纪以来,医学成像技术从原来的静态信息发展到动态信息,从原来的形态信息发展到包含了人体的功能信息,从平面成像发展到立体成像。医学成像技术这样的发展过程也促进了医学诊断技术的发展,为医生诊断提供了更全面的图像信息。不同医学成像模式有着各自不同的特点并呈现人体各部分不同特征信息。不同的成像模式同时又互相弥补对方的不足。因此,单模态图像不能完整地反映人体的信息。为了更完整更全面地反映人体各个部位的形态和功能信息,有必要将不同医学成像设备获得的多模态图像进行融合,得到更全面更可靠的图像信息,以辅助医生完成临床诊断。由于不同医学成像模式的成像特点不同,为了综合各种成像模式的特点,要将不同模态的图像提供的信息进行融合,在进行图像融合之前首先要使得不同图像在空间上达成一致,使不同图像完成空间位置和解剖结构的统一,即图像配准。因此,医学图像配准是实现医学图像融合的关键技术,对临床医学诊断有着非常重要的意义。本文对多模态医学图像配准与融合的相关技术进行研究和算法实现,论文的主要工作如下：1.对医学图像配准技术进行分析,明确研究目的、研究背景及意义,总结了该领域国内外的发展现状。2.详细介绍了医学图像配准方法及其分类,从配准空间变换方式、图像插值方法、优化策略和相似性度量方法等方面对医学图像配准进行了分析。讨论了医学图像融合的步骤和评价标准,并对医学图像融合的分类和方法进行了阐述。3.针对目前基于互信息图像配准的局部极值问题,提出了一种改进的人工鱼群算法和Powell算法结合的多分辨率医学图像配准算法。该算法采用新的相似性测度方法即归一化模糊加权互信息和归一化局部能量加权匹配度,利用多分辨率策略,采用HPV插值,并采用改进的人工鱼群算法结合Powell算法完成MRI和CT图像的配准。采用改进的人工鱼群算法在图像的最低分辨率上进行全局优化,以全局最优值为初始值,结合Powell算法完成图像配准。这不仅基本解决了互信息函数和Powell算法的局部极值问题,还减少了数据的处理量,加快了配准速度。实验结果表明,文中算法与其他经典的配准算法相比,提高了配准的精确度和性能。4.为了更好地对CT和MRI图像进行融合,提出了一种指数型模糊加权熵自适应融合规则和改进的PCNN区域信息融合规则在多小波基的框架下进行CT和MRI医学图像的融合方法。首先对待融合图像进行多小波基的分解,然后对不同频率分量采用不同融合算法。该方法能够明显提高图像的清晰度,较大程度保留了图像细节信息,具有边缘信息突出,亮度对比度高的优点。