近年来随着多媒体和互联网技术的发展，图像的来源不断扩大，如何更加有效地存储和检索这些图像资源给当前广大信息领域的科学研究工作者提出了新的要求。基于内容的图像检索(CBIR)技术越来越受人重视，并在近年来取得了较快的发展。本文的研究主要侧重于CBIR技术在医学图像检索中的应用。基于内容的图像检索的核心技术是图像特征的选择和提取。由于当前CBIR技术所选取的很多特征都仅仅反映了图像的整体特征而忽略了图像内容的空间信息，因此对于这些特征而言，我们首先考虑对图像进行分割，然后在每个图像区域上提取相应的特征值。通过运用该方法，可以使那些原本仅反映图像整体特性的特征兼具部分空间特性。论文首先讨论了图像在固定分割模式下(图像按行列等距分割)的特征提取。在该模式下，我们分别讨论了如何提取如下图像特征：矩特征、全局直方图特征、分块直方图特征、直方图其它特征(直方图所对应的峭度、能量、熵等)、纹理特征和形状特征。由于固定分割模式在分割方式上存在不足，论文又利用人工神经网络实现了对图像的自动分割。在自动分割模式下，我们讨论了如何提取图像的主类特征和主块特征用于图像检索。论文还讨论了各特征在单独运用于图像检索时的检索效果，根据检索结果的好坏，我们为各特征赋予了相应的权重，在此基础上，综合各特征进行检索，可以得到更好的检索结果。为了使检索结果进一步符合检索者自身的需求，我们还研究了相应的检索反馈技术。