近年,医学影像技术得到广泛应用,医学影像设备快速发展,由此产生了大量的医学图像信息,如何有效地、快速地从大规模图像数据库中检索出目标图像是目前需要解决的问题。信息早已不拘泥于简单的文本形式,出现了大量的图像、图形、视频、音频及动画等,因此基于内容的多媒体检索应运而生。基于内容的图像检索技术也不断的在医学领域应用,在临床、教学、科研以及医学图像归档和通信系统(PACS)中都有着重要的作用。如何将图像检索技术更好地应用在医学图像检索领域,为医师提供便捷准确地检索图像的手段,并为其诊断提供辅助的建议,是本文的研究目标。本文围绕医学图像分割、特征提取与表示、图像匹配和索引技术以及相关反馈技术等图像处理和检索关键技术进行了研究。在图像分割方面,提出了一种基于Canny边缘检测的PCNN图像分割方法；在图像特征提取技术中,主要做了两方面的工作。在传统的灰度直方图特征提取技术的基础上,提出了自适应加权的改进灰度直方图方法,并用实验证明该方法能把图像重要的部分特征加强,更便于相似度的计算；将图像分割技术应用到图像特征提取中,帮助医生在复杂的医学图像中找到感兴趣的图像特征。在图像索引技术中,将人工神经网络的BP算法应用到图像分类中,对图像进行聚类,并提出了一种基于图像分割的扩散匹配算法；在相关反馈方面,本文将粗糙集和支持向量机结合,引入相关反馈技术对图像进行检索,提出了改进的粗糙集与SVM图像检索的相关反馈算法。利用粗糙集处理大数据量,消除冗余信息等方面的优势,减少SVM的训练数据,不但提高SVM的分类能力,而且挺高了检索效率。实验结果表明经本文改进的相关反馈方法无论在反馈的准确率方面还是在反馈速度上都具有相当的优势。基于以上关键技术,设计并实现了一个基于内容的图像检索的原型系统,实现了医学图像的特征提取,图像的相似度检索,并利用相关反馈技术提高图像检索的准确率该系统有较好的查准率、查全率以及效率。