1、“.....保留了图像的特点，在此基础上，也较为准确得表达了中丰富的软组织信息，且两幅图的信息的相对位置也较为准确和清楚，能达到互补的功能，达到了图像融合的目的和要求。图脑部图像第组图脑部图像第组通过配准参数图可以看出，在第组中，图像经过放大倍，顺时针旋转度，方向位移单位，方向位移单位后，两幅图像的互信息达到最大值，这时图像的配准就已经完成了，整个配准所用时间为秒。由于算法有定的误差，所以进行了多次的实验。经过多次仿真实验，得出配准参数平均值，见表。通过配准参数图可以看出，在第二组中，图像经过放大倍，顺时针旋转度，方向位移单位，方向位移单位后，两幅图像的互信息达到最大值，这时图像的配准就已经完成了，整个配准所用时间为秒。由于算法有定的误差，所以进行了多次的实验。经过多次仿真实验，得出配准参数平均值，见表。在图像的融合方面......”。

2、“.....理论上，小波分解的层数越多，产生的子带也越多，在定程度上是会提高图像的融合效果，但因为上级的分解输出要作为下级的输入，可能会导致信息的丢失和错位。因此对小波分解的层数进行了层的实验，并计算出不同层数时，两张图像的值，见表。由表可看出，在第组中，当小波分解层数为时，两张图像的值趋于稳定，所以选择小波分解层数为时得到的图像作为最佳融合图像。而在第二组中，如表，当小波分解层数为时，两图像的就已经接近稳定，所以这时选择小波分解层数为时得到的图像作为最佳融合图像。这说明，对不同图像进行融合时，得到最佳融合图像的小波分解层数可能是不同的......”。

3、“.....降低了计算互信息的难度，用法作为优化算法搜索最大互信息值，提高了配准的准确性，能够自动准确地完成基于互信息法的多模医学图像配准研究。从实验结果来看，该算法成功地配准了脑部图像。该算法易于理解实现，适合用医学图像配准，特别适合于双模的医学图像配准。基于互信息配准算法总结医学图像配准算法的可靠性决定了其应用价值。个好的配准算法，当图像质量变差或数据缺损时，它对预处理和人工干预的需求增加不多，且其配准精度并不下降。从上面的实验可以得出个结论基于互信息的配准方法恰好具有上述优点，人工干预少，只依赖于图像本身的信息，不需要任何假设或先验医学知识，也不需要对图像进行特征点提取组织分类等预处理，是种自动而有效的配准算法配准的精度高，可以达到亚象素级可靠性高，对图像中的几何失真不敏感不依赖于任何成像设备，可应用于多模态医学图像配准......”。

4、“.....特别是局部极值问题。而且其配准速度与图像的相关性和图像的相互位置有关，当图像的相关性小的时候，配准所需的时间长，而相关性大的图像配准所需时间短。图脑部图像第二组图脑部图像第二组图联合灰度直方图基于小波变换的融合方法的总结根据融合之后的结果可知，利用基于小波变换的融合方法可以得到即有原图像的解剖信息又有原图像的骨骼信息的新图像，在调整小波分解层数的过程中，发现在第组中当分解层数为的时候，得到的图像最为理想，边缘清晰，细节丰富，图即为分解层数为时第组所得到的融合图像。此时的图像能够满足医学诊断的基本要求。图为第二组中得到的最佳融合图像，此时的小波分解层数为，也较为满足医学诊断的要求......”。

5、“.....本文提出的配准算法和融合算法经仿真实验证明，在定程度上可满足医学图像处理的要求。图实验获得的配准参数第组图实验获得的配准参数第二组总结与展望总结医学影像技术的发展及临床应用的实践告诉我们，面临复杂的临床问题，单独的种成像方式和技术无法单独解决所有问题，每种影像技术都有各自的优点和局限性。将利用各种成像设备检查所得到的图像信息进行数字化综合处理，对多模图像进行综合利用，而后进行空间配准融合，进而得到种全新的信息图像，医生可通过研究这种全新的多功能图像，进步更清晰地观察，更准确地判断病症点的位置。本文以两幅和脑部灰度图像为例，设计了双模医学图像的配准方法。本文设计的配准方法是基于互信息的图像配准方法，以为开发环境，进行仿真实验，实现了和图像的配准，配准精度可以达到像素级......”。

6、“.....对两幅图像进行了融合，并同时显示配准前和配准后的图像，达到了任务的要求。展望本文仅仅就基于互信息的方法对图像进行了配准融合，这在整个图像处理领域只是沧海粟，因为时间不充分以及本人对软件的不熟悉以及知识的缺乏，还有很多有意义的工作需要在此基础上继续进行。这些后续工作可以是基于互信息的配准方法是目前公认实用性最好的配准方法，但它大多所配准的都是等图像，却很少运用在光这种最常见的医疗检测中，考虑实用性，应更多得在这方面进行研究。本文应该进步改善配准算法。如本文的算法的运算速度在很大程度上取决于两幅图像的相似度和相对位致谢时光飞逝，转眼大学四年学习即将结束。回首大学学习期间的校园学习生活，在知识的海洋里汲取营养和体味获取知识的充实与喜悦，不禁感慨万千。历时将近两个月的时间终于将这篇论文写完，在论文的写作过程中遇到了无数的困难和障碍......”。

7、“.....尤其要强烈感谢我的论文指导老师丁老师，他对我进行了无私的指导和帮助，不厌其烦的帮助进行论文的修改和改进。另外，在校图书馆查找资料的时候，图书馆的老师也给我提供了很多方面的支持与帮助。在此向帮助和指导过我的各位老师表示最中心的感谢,感谢这篇论文所涉及到的各位学者。本文引用了数位学者的研究文献，如果没有各位学者的研究成果的帮助和启发，我将很难完成本篇论文的写作。感谢我的同学和朋友，在我写论文的过程中给予我了很多你问素材，还在论文的撰写和排版灯过程中提供热情的帮助。由于我的学术水平有限，所写论文难免有不足之处，恳请各位老师和学友批评和指正,附录附录图像配准文件选择初始点使用函数开始，对进行旋转，附录图像配准子程序，对进行旋转，用对进行匹配，行列......”。

8、“.....，置，当两幅图像相似度高，相对位置接近时，算法的运算速度就快反之运算速度就慢。将二维图像的配准研究转化到三维图像中来，利用临床数据来客观验证基于法向量信息算法的配准方案。由于互信息值只是图像间的灰度相似的大概检测参数，无法完全代表算法的配准精度，希望能有更好的衡量指标。本论文的算法是在上进行仿真运行，运算的速度有待提高，可考虑用其他语言进行编程，提高算法的实现速度。随着医学影像技术图像处理技术以及计算机技术的发展，将会有更多可行的医学图像配准算法出现并应用于实际的临床诊断治疗中，推动人类医学的不断进步。我国对于医学图像配准研究起步晚，整体水平与国外还是有定的差距，无论在理论研究还是临床研究方面，都需要进行长期深入的研究。本论文所讨论的都是二维图像，可以考虑将二维图像的配准研究转移到三维图像中来，更好地运用在临床医学上。参考文献王梦倩，邵波......”。

9、“.....，，，，，，，郑亚琴，田心，医学图像配准技术研究进展国际生物医学工程杂志，，王耀明图像的矩函数华东理工大学出版社，，，，章毓晋图像处理和分析北京清华大学出版社彭景林，章兢，李树涛基于改进插值和混合优化算法的医学图像配准电子学报俞亚青，田学隆，闫春红医学图像配准方法分类及现状重庆大学学报解可新，韩立兴，林友联最优化方法天津出版社，吴喜之主编非参数统计中国统计出版社，马东，孙永兴综述，程敬之审校多模式医学图像的融合和配准技术生物医学工程学杂志，陈兵旗，孙明编著实用图像处理专业教程清华大学出版社，，部分变化而使互信息量产生的影响，使互信息量和配准参数之间的关系能更准确地反应，和等人分别提出了嫡相关系数和归化互信息，两种正规化的互信息测度。讨论了各种插值方法对基于互信息的多模图像配准的影响......”。