針對現(xiàn)有醫(yī)學圖像配準算法精度較差、易陷入局部極值和收斂速度慢的問題，結合多分辨率分析，提出改進頭腦風暴優(yōu)化（ MBSO）算法與Powell算法結合的圖像配準算法。MBSO算法通過改變個體生成方式調(diào)節(jié)參與局部和全局搜索的個體比例，應用可變步長加強搜索能力，達到跳出局部最優(yōu)和加速收斂的目的。首先，在低分辨率層利用MBSO算法進行全局搜索；然后，將搜索結果作為Powell算法的初始點在高分辨率層進一步搜索；最后，在原始圖像層利用Powell算法搜索并定位全局最優(yōu)值。與粒子群優(yōu)化（PSO）算法、蟻群優(yōu)化（ACO）算法、遺傳算法（CA）與Powell算法結合算法相比，所提算法平均均方根誤差分別減小了20. 89%、30. 46%和18. 54%，平均配準時間分別縮短了17. 86qo、27. 05 qo和26. 600/0，并且達到了100010的成功率。實驗結果表明，所提算法具有很強的魯棒性，能夠快速、準確完成醫(yī)學圖像配準任務。

　　圖像配準是醫(yī)學圖像分析領域的一個基本問題。臨床上醫(yī)學圖像輔助疾病診斷、確定治療方案、手術模擬和術中導航等很多應用，都需要圖像的精確配準作為先決條件。醫(yī)學圖像配準是指通過求解兩幅或多幅圖像間的變換關系，使得同一患者不同時間、不同成像方式得到的圖像或者圖像中具有診斷意義的特征點在空間上對應起來。圖像配準的目的是綜合利用多幅圖像對同一器官的表達，在一幅圖像中同時反映人體器官解剖結構、代謝功能、病理發(fā)展等多方面的信息。隨著醫(yī)學影像技術的廣泛應用，圖像配準在現(xiàn)代醫(yī)學中發(fā)揮著越來越重要的作用，已經(jīng)成為當前醫(yī)學圖像分析領域的一個熱點問題。