随着医学成像技术的发展和医院信息网络（如PACS，HIS，RIS）的普及，可供临床、研究、和教学使用的医学图像正在迅速膨胀。传统的基于文本的检索方法已经不能满足用户的需求。如何能方便地从中找到所需要的图像已经成为一项迫不及待的问题。因此，将基于内容的图像检索技术运用于医学图像，不仅可以检索出相似的医学图像，而且还可以帮助医生进行疾病诊断。 本研究对胸部CT扫描图像和胃镜图像的基于内容的检索技术进行了较深入的探讨,包括检索系统的体系结构、特征提取、相似性测量、综合检索、相关反馈等。其中特征提取部分主要基于颜色特征，纹理特征，语义特征这三大类进行。 针对胸部CT扫描图像，对其纹理提取特征。对多种典型的纹理提取算法进行比较分析，分别为灰度层共现矩阵、纹理谱和小波变换，选出了最适合的基于哈尔小波变换的纹理特征提取算法，并将语义特征和相关反馈结合到检索中。同时，提出另一种针对胸部CT图像的检索方法。该方法首先通过提取出图像的感兴趣区域，并在感兴趣区域的基础上提取特征。为了避免身体姿势问题造成的图像角度差异，利用具有旋转不变性的Zernike矩提取图像的全局特征，最后融合感兴趣区域的形状和分布特性以及整幅图像Zernike矩全局特征作为图像匹配准则的客观依据。 针对胃镜图像，主要提取颜色和纹理特征。胃镜图像属于彩色图像，因此跟灰度医学图像的检索方法截然不同。该图像的典型特征在于颜色和纹理信息丰富，本文提出了一种新的特征提取算法——颜色-纹理相关图。该方法属于对颜色相关图的一次改进，在其基础上很好的融合进了纹理信息，并且计算简便，易于实现。最后采用GTI模型进行相似度测量。 在以上算法的基础上，本文建立了一个原型系统。采用了两种医学图像库，肺部CT图像库217幅和胃镜图像库1032幅，并在原型系统的基础上对上述各种算法进行了对比实验。