随着医学影像诊断技术的逐渐成熟,大量医学图像数据随之产生。这些海量图像的出现极大地丰富了医学工作者和科研人员的参考、教学和研究,然而怎样对如此大量的图像数据进行有效管理也成为摆在科研人员面前的一道难题。传统的基于关键字的图像检索技术存在对人的主观依赖性较强且不能反映图像的底层特征等缺陷,已经越来越不能满足实际应用的需求。在这种情况下,基于内容的医学图像检索(Content-based Medical Image Retrival, CBMIR)技术迅速发展起来。本文首先综述了基于内容图像检索的关键技术。在充分了解现有检索方法的基础上,结合医学图像自身特点,着重研究了几类适合医学图像的特征检索方法。在灰度特征方面,针对灰度直方图法的不足,提出了利用分块直方图统计特征结合灰度空间分布熵的方法对其进行改进。在纹理特征方面,针对灰度共生矩阵法的不足,提出了在图像预处理基础上获取分块权值灰度共生矩阵的方法对其进行改进。在形状特征方面,针对基于Canny算子边缘检测边界直方图法的不足,提出了一种将Canny算子边缘检测边界直方图特征和Zernike矩特征结合起来进行检索的方法对其进行改进。同时,本文在前面研究的基础上提出了一种特征融合的检索方法,并在此基础上加入相关反馈技术以提高系统的检索效率。根据上述所有算法,本文实现了基于内容的医学图像检索原型系统。系统采用大量CT图像进行算法测试,并对实验结果进行了系统分析。实验结果表明,本文提出的算法均取得了良好的实验结果。