医学图像配准是医学图像处理和分析的关键步骤；是图像融合、图像变化分析和目标识别首先要解决的问题；是其它图像处理算法和应用的基础。本文主要的工作是基于互信息法的2D、3D医学图像刚性配准研究。　　本文首先介绍了医学图像配准的背景、发展简史以及国内外研究现状；然后从图像熵、联合熵和互信息角度阐述了最大互信息法图像配准的基本原理；并对最大互信息法所涉及的几个过程(图像变换、图像插值以及多参数优化方法)进行详细介绍。　　本文提出了一种位平面信息和互信息相结合的图像配准方法，实现了二维医学图像精确配准。该方法首先对图像进行位平面分解并计算每个位平面图像的梯度，然后将其梯度与位平面加权得到合成特征图像，接着对合成特征图像用粒子群优化算法进行粗配准，在粗配准基础上，用Powell优化算法对原始图像进行精细配准。由实验可得，位平面信息和互信息相结合的混合优化算法具有较高配准精度。　　当互信息法直接运用到三维刚性医学图像配准时，图像配准过程比较耗时，难以满足临床需要。本文主要从三维图像的采样间隔、灰度级别和粗到细混合优化策略入手，研究了图像的配准精度和配准效率问题。由实验结果表明，选择合适的采样间隔、灰度级别以及粗到细的混合优化策略能够提高图像配准的效率。