图像检索技术起源于上个世纪八十年代,人们主要是通过对关键字手工标记进行图像检索。而后随着图像处理技术的迅速发展,基于内容的图像检索(CBIR)技术在图像处理领域得到广泛应用,尤其是基于内容的图像检索技术在医学临床辅助诊断和医学科研中发挥着重大的作用,得到了越来越多的关注。本文主要研究基于多种特征融合的医学图像检索技术。论文详细阐述了基于内容的图像检索技术的研究意义、应用现状、基本原理以及关键技术。本文通过提取图像的多种特征(SIFT、SURF和拓扑特征)进行检索,同时,针对SIFT算法相似性度量方面的不足,提出了利用Hellinger核函数来进行相似性度量的新方法——ROOTSIFT,在此基础上结合拓扑特征进行医学图像检索。针对医学图像,本文提出了首先单独利用SIFT、ROOTSIFT、SURF和拓扑特征分别进行检索,然后根据检索结果的好坏,为各个特征赋予相应的权重,最后在基于前面检索算法的基础上,提出一种融合多种底层视觉特征进行图像检索的算法,来提高最终的检索准确率。首先,通过SIFT (SURF、ROOTSIFT)算法得到图像的特征点和相应的特征向量,其次,为了增加局部特征相似性,对SIFT (SURF、ROOTSIFT)特征得到匹配点提取拓扑特征并进行相似性度量,最后得到拓扑特征和SIFT (SURF、 ROOTSIFT)特征都相似的点,进行线性加权后得到与参考图像最相似的图像序列。实验结果表明,融合多特征检索得到的检索准确率比单个特征得到的准确率高,该算法与其他算法相比较,在不损失正确返回结果的前提下,剔除了检索错误的图像,并能够真正提高检索准确率。