医学图像配准与信息融合是当代信息科学、计算机图像技术与当代医学等多学科交叉的一个研究领域。医学图像的回溯性配准是序列图像和多模图像自动分析的前提条件和核心问题之一,在基础医学研究临床诊断、治疗、质量保证和疗效评价等方面都有广泛的应用。本文首先介绍了医学图像配准研究的现状和方法,给出了图像配准的定义及一般步骤等基础知识,分析了医学图像配准领域的研究现状和存在的问题。对各类配准算法及其相关技术进行了综述,总结了它们各自优缺点。并对多分辨率条件下的各种相似性测度的性能进行了比较。提出了一种在金字塔各层应用不同相似性测度的图像配准方法。实验结果表明,本文的方法可以提高配准算法的收敛域与收敛精度。其次,基于曲波变换理论,提出了一种基于曲波变换的图像配准算法。相比传统的小波变换,曲波变换更适合分析图像中包含的线状边缘信息,并对图像中包含的噪声具有较好的抑制作用。实验结果表明,本文的算法能有效的抑制待配图像中存在的噪声与灰度不均匀等干扰信息,具有良好的鲁棒性。与基于小波变换的配准结果相比,基于曲波变换的配准算法具有更高的配准精度,达到了亚像素级精度。最后,提出了一种改进的PSO-GA混合优化算法。将遗传算法的操作因子引入粒子群算法中,在保证基本粒子群算法收敛速度的前提下,提高了算法的全局收敛能力。实验结果表明,PSO-GA混合算法能有效的跳出目标函数中存在的局部极值,提高配准的精确度。