伴随医疗信息化的普及，医学图像信息的重要性日渐凸显，相关影像信息为医生的疾病诊疗、学术交流、医学教学和科研等提供了极大的支持和帮助。为了达到医疗信息共享，需要对医学影像进行科学有效的管理，以便医护人员快速准确地从海量医学图像中进行检索，并依据图像检索结果做出科学的诊疗判断，这些需求激发了人们对图像检索领域进一步研究的兴趣。目前主流的检索方式用图像所包含信息的关键字以及关键词语来完成检索，即：通过人工对图像添加注解作为待检索图像的关键字词，并在海量图像库中进行检索。用这种方式检索图像方便快捷，但是需要人工添加大量的注解，增加工作量、耗时费力；在添加注解的时候容易存在主观差异，用词不规范或者不精确的情况，很难用贴切的文字描述图像的底层特征和视觉特征，为解决这一问题需要新的方法和技术来改进和完善图像检索。因此基于图像内容的检索技术应运而生。所谓基于图像内容检索技术，是根据图像的底层视觉特征的变化，以及这些底层视觉特征变化的组合来检索图像。本文深入剖析了医学图像的各个底层视觉特征，尤其是底层纹理特征描述在医学图像中的特殊地位和广泛的应用价值，采用基于纹理特征的医学图像检索方法主要研究了人体心脏CT图像和脑部MR图像。首先针对所研究的对象选择适合的分割算法对其进行分割，并研究了图像纹理特征的算法，发现Tamura算法和GLCM算法具有其特殊性；随后对分割后的图像利用Tamura算法或GLCM算法做纹理特征的提取处理；最后实现了医学图像纹理特征的检索系统。其主要研究内容分为6大部分：搭建图像的特征库和信息库；.DCM图像和.BMP图像的浏览、显示；图像的预处理及分割；利用Tamura算法和GLCM算法提取分割后图像的纹理特征值；利用加权马氏距离完成待检索图像与特征库中每一个目标图像相似性匹配的过程；检索图像库并显示检索结果等。本课题在Microsoft Visual Studio2005和SQL Server2005的平台上开发，基于C/S架构并利用C++语言编程实现，同时借助OpenCV和ITK工具包辅助完成了基于纹理特征的医学图像检索系统。实验结果表明，本系统明显提高了医学图像检索的查全率和查准率，具有一定的实用价值。