多成像模式下的各类医学图像具有不同的功能特点,单一模态的医学图像通常不能提供足够的信息。因此,将不同特点的医学图像融合起来辅助诊断成为了研究热点,比如磁共振图像与计算机断层图像的融合、磁共振图像和单光子反射断层图像的融合以及磁共振图像和正电子发射断层图像的融合。但是由于图像融合算法的设置,可能使融合结果图产生一些视觉问题影响医生诊断。针对不同类型的图像融合算法产生的问题,本文设计了两种算法用于融合多模态医学图像。现有的磁共振图像和计算机断层图像的图像融合算法结果图存在纹理丢失、对比度低和伪边缘等问题。为了克服融合算法的缺陷,本文提出了一种基于双边纹理滤波器、结构相似性检测和显著性检测的医学图像融合方法。首先,利用双边纹理滤波器算法将源图像分解为基础层和细节层。针对基础层融合,设计了基于对比度显著性检测的融合规则以保留结构信息。针对细节层融合,提出了结构相似性检测的方法,分别得到结构相似和结构不相似的部分。前者利用改进的绝对值最大算法融合,后者利用显著性估计算法融合。最后,重构得到融合结果图。通过主客观对比评价该算法与其余12种算法,验证算法的有效性。在目前的磁共振图像和正电子发射断层图像的融合以及磁共振图像和单光子发射断层图像的融合中,其融合结果图具有纹理丢失、伪影以及融合后色彩失真等缺点。为了使融合图像避免上述问题,本文提出了一种基于相对总变差分解和显著性检测的医学图像融合算法。首先,进行基础层和细节层分离,这一步通过相对总变差分解核磁共振图像得到。其次,将基础层图像和功能图像转化为YUV编码。再对二者的Y分量进行显著性检测,根据显著图得到融合基础层,将基础层与磁共振图像的纹理层结合得到融合Y分量。最后,结合融合Y分量以及功能图像的颜色分量U和V逆变换得到RGB融合图像。算法优势在于相对总变差分解将细节层提取出来可以很好的保留融合图像的纹理,同时,采用YUV编码能够避免在传统RGB编码下变换的颜色失真问题,从而将色彩信息保留至融合图像中。本文采用主客观相结合的方式将算法与其他6种算法进行对比,实验结果表明,算法在视觉结果以及客观分析上均优于对比算法。