医学成像技术在医学领域中发挥着至关重要的作用,因为它不仅为临床分析和医疗防治提供了有关身体内部器官的重要信息,而且能辅助医生诊断和治疗各种疾病。如今,医学成像数据正以爆发式的速度增加,形成巨大的医学图像数据库,从如此庞大的数据库中检索到类似的医学图像是非常困难的任务。本文基于图像特征提取,特征量化和相似度量完成医学图像内容检索。图像特征是对图像内容的抽象表达,不同的图像特征提取方法对图像的描述侧重点不一样,尤其是像医学图像这样针对性强的图像更需要表达性强的特征来描述,通过融合多种底层特征可以加大对图像的表征能力。医学图像特征提取作为图像内容检索的基础,提取具有较强表达能力且良好抗噪声能力的视觉特征直接影响后续图像检索的准确性。为了获得有效的图像特征描述符,本文针对眼底血管造影图像提出了改进的几何角点特征和LBP纹理融合特征算法。同时,结合深度学习思想,对图像多特征向量进行更深层次的量化,使图像特征进一步抽象化,不仅弥补单一特征描述的片面性,还提高了特征描述符的鲁棒性。本文根据提取到的医学图像特征,在讨论和分析了基于内容的医学图像检索相关重要技术研究现状的基础上,对图像多特征提取、特征融合、相似度度量和反馈检索进行了较为全面的研究,基于医学眼底图像和医学X射线图像两种图像提出不同的特征提取方法。总的来说,本文主要工作内容如下:(1)调研医学图像特征提取技术国内和国外的发展现状,同时对图像数据预处理以及图像特征提取和图像内容检索的相关技术做了一个完整的归纳。(2)在现有的角点特征提取算法基础上改进,实现了融合角点特征和纹理特征的眼底图像检索。(3)为提高图像检索的高级语义信息,提出一种调整医学眼底造影图像特征权重的检索反馈方法。(4)针对X射线医学图像,组合SURF和灰度共生矩阵特征,采用线性编码方式实现特征更高一级的量化。在图像检索过程中,本文使用视觉池袋模型BOF对特征聚类,并优化特征匹配中的误匹配以提高检索效率。