图像配准是图像熔合的基础,已经广泛应用于计算机视觉、遥感处理、运动估计、医学分析等领域。医学图像的配准与熔合是现代医疗中不可或缺的一部分。由于不同成像设备得到的医学图像各有其特点,将不同模式的医学图像进行配准,可以综合了解病变组织或器官的解剖和功能信息。本文提出的医学图像配准算法主要分为两个部分,分别为粗配准和精配准。本文使用图像的质心估计平移参数,利用Radon变换估计旋转参数,此参数估计的过程为粗配准。再将得到的粗配准参数作为初始参数进行优化,此优化搜索过程为精配准。精配准过程中利用归一化互信息与梯度相似性相结合作为配准的相似性测度,使用Powell优化算法进行搜索,得到最终的配准参数。本文首先介绍了医学图像配准的意义、应用和发展现状,对医学图像配准进行简单综述并介绍了配准的基本方法。然后对配准的各个组成部分进行了分析,如空间变换、插值算法、相似性测度和优化算法等。接着阐述了熵和互信息的概念以及基于互信息的配准算法原理。最后介绍了本文的创新部分,首先引出了Radon变换的概念并介绍如何利用Radon变换对图像进行旋转参数的估计,然后介绍了梯度相似性的定义,提出利用梯度相似性和归一化互信息相结合作为本文的相似性测度,实验结果表明了该算法的有效性和准确性。