随着互联网的迅速发展及各种数字化设备的普及，图像数据爆炸性增长，使得图像的管理和检索越来越困难。基于内容的图像检索技术(CBIR)应运而生。主要思想是根据图像的内容如颜色、纹理和形状等特征，建立图像的特征矢量，在数据库中查找与查询图像的特征矢量相似的特征矢量，按照相似程度的高低将其对应的图像提供给用户。在临床医学中，图像数据库是医学诊断的关键。图像归档与通信系统(PACS)技术，完成了数字化医学图像的获取、诊断和归档管理。PACS的基础是现代化的数字成像技术和医学图像通信协议(DICOM)。在目前的DICOM网络中，图像的检索都是基于文本进行的，贫乏的文本信息显然无法取代医学图像所蕴含的丰富信息；因此，传统的文本检索技术在医学诊断和教育等领域极大地限制了医学图像的应用。CBIR技术的研究必然会对医学图像数据库的充分开发带来新的变革。本文深入分析了大模态数据库的特点，力求对目前PACS系统的不足之处做出改进。提出了一种分层的检索模式，首先对查询图像进行分类，然后在类内进行检索。在这样的框架下所需要的检索时间并不随图像库规模的增加而明显增加，仅与每一类中所具有的图像数目有关，有效提高了检索系统的实时性。类内检索时，可针对类别特点设计检索方案，提高检索的有效率。在医学图像中，经常会出现这几类噪声：①底片在数字扫描时留下的多余白边；②图像倾斜；③图像含有文字和标识。针对这几种噪声的特点，本文设计了一套去噪算法。利用Hough变换检测白边边界直线，进行倾斜矫正，最后进行白边、文字和标识的去除。本文在进行图像分类时，先对图像进行降维以提取特征，然后用近邻法识别。为充分保留空间分布信息并更好的进行分类，使用Fisher准则进行降维。考虑到数据的非线性分布特点，本文选择了包含核技术的GDA方法，并将GDA降维方法和LDA降维方法进行了对比，实验表明用GDA降维后的特征具有更好的可分离性。检索问题是CBIR研究内容的核心问题，在这方面本文采用了Gabor纹理特征进行“胸腔”类图像的检索。Gabor滤波器是视觉特征提取的强有力工具，是公认的纹理检索效果最好的方法。为降低运算量，本文采用了降采样率的方法。选用分块法和PCA结合的方法对Gabor滤波后的数据做进一步的特征提取。最后，以查全率和查准率为标准对检索方法进行了评价。