计算机性能的飞速发展给很多行业带来了巨大的帮助,尤其是医学图像处理领域。在当前的临床应用中,医学成像是大量计算机应用程序的基石,它贯穿于医疗诊断,治疗计划的制定乃至手术治疗的整个过程。医学图像配准则是医学图像处理的基石,它是将两个输入的图像进行一系列的空间变换后达到空间上对齐的一个技术,也是本文的研究重点。本文研究点来自于实验室横向项目中的两点需求。一是实时监测放射治疗患者在治疗过程中的姿态变化,以在患者动作幅度较大时自动停止治疗,二是对多模态的医学图像进行融合,以帮助医生更精确地制定放疗计划。这两个需求的核心都是图像配准,但也需要对图像配准算法进行相应的改造以适应各自的应用场景。对于需求一,它的本质是一个对实时性要求较高的单模态图像配准问题。大体分为两个步骤,首先对本应用场景下的二维图像进行背景上的大致对齐,然后再通过衡量病灶区域的相似度差异来判断病人姿态变化幅度的大小。步骤一中需要用到刚性配准,步骤二中则需使用到图像配准中的相似性度量。为达到实时性的需求,本文对使用图形处理器(Graphics Processing Unit,GPU)加速计算的近似归一化互信息几方面的技术进行了深入研究,同时迁移使用了图像处理技术中的蒙板技术,结合使用多分辨率,多级空间转换策略,最终提高了算法的计算速度。对于需求二中的多模态医学图像融合,也可以拆分为多模态的医学图像配准问题和配准完成的多模态医学图像融合的问题,针对此应用场景,本文从变换模型的选择,相似性度量的选择以及图像融合算法三方面进行探讨,组合实现了一套多模态医学图像快速配准与融合的算法,并且对医学图像的三维可视化进行了简单的实现。本文为确保二维图像配准的实时性,针对图像配准当中耗时较多的迭代优化过程,提出了使用GPU加速计算的近似归一化互信息算法,并且将之应用于实时监测患者治疗过程的应用当中;此外结合现有图像配准算法和图像融合算法,合理选择其中的组件实现了一套多模态医学图像快速配准融合的算法。最终实验表明本文算法时效性和功能要求达到了预期要求。