本论文研究了基于模糊逻辑和RBF模糊神经网络的医学图像融合算法。首先,本文提出了一种基于T-S模糊推理系统的医学图像融合算法。该算法利用T-S模糊推理系统与神经网络的等价性原理,做出一个与之相等价的RBF模糊神经网络,根据误差反向传播算法以及一阶梯度修正算法,通过RBF神经网络的训练得到其各项参数,进而得到T-S模糊推理系统。将CT图像与MRI图像作为T-S模糊推理系统的输入,则输出就是融合结果。其次,本文还提出了一种基于RBF模糊神经网络的融合方法,该方法简化了网络结构与训练算法,同时提高了融合性能。最后本文还将图像的区域方差引入,与模糊神经网络融合算法相结合,能够显著改善融合图像软组织部分的融合性能。通过主观上的观察以及客观的评价指标,与传统的融合方法进行比较分析,本文的两种方法较好的综合了两种医学图像的信息。而通过对噪声污染图像的融合进行实验和对比分析,这两种方法对噪声也具有很好的适应性。