随着现代医学影像技术的发展，大量的医学图像数据随之产生。这些数据是辅助医生诊断、远程教学、培训的重要资料，传统的基于文本的医学图像管理系统已经不能满足人们的这些要求。因此，基于内容的图像检索技术应用于医学影像成为研究的热点。目前，基于内容检索技术应用于医学影像中都是针对某一特定的组织器官，例如仅仅针对肺部图像的ASSERT系统，针对颈部和腰椎X-Ray图像的WEBMIRS系统等等。由于各个组织器官都有自己独特病理特征，这样限制了算法的通用性和可移植性，同时也限制了算法性能评价的比较，提出通用的检索算法和构造评价算法数据集成为本论文研究的主要内容。 评价算法数据集的构造是算法评估的前提，也是本论文的难点，本文构造了包含8种不同组织器官的图像评价数据集，该数据集中的图像全部为512×512大小的DICOM格式医学图像。 为了便于评价检索算法本文用VC++搭建了检索实验平台，该平台能够实现简单的特征提取、相似性比较和检索功能。 在特征提取算法方面，本文从灰度、纹理和形状三个方面入手，首先实现了现有的提取灰度特征的颜色直方图和累加直方图算法；提取纹理特征的灰度共生矩阵、Gabor滤波、Tamura纹理特征、直方图二阶矩、小波包分解算法；提取形状特征的七个不变矩算法。在评价现有算法过程中发现，由于医学图像本身具有的图像数据量大，不同组织部位特征不同，使得特征提取速度的提高、特征的选择和图像分割成为了研究的重点。针对这些重点，对原有算法进行了改进，提出了一种新的分块提取灰度特征方法，在此基础上提取颜色矩特征，提高了检索速度。另外，还改进了传统的灰度共生矩阵算法和Tamura提取纹理粗糙度特征的方法，提高了特征选择的准确度。最后提出了综合图像分块灰度特征和小波包纹理特征的检索方法，通过与单独使用灰度或纹理特征算法相比较，基于综合特征的检索算法在查全率和查准率上都有改进。