随着网络技术在医学领域上的应用,X射线成像、B超成像、CT成像、MRI成像等医学影像数据呈爆炸式增长,这些医学影像在临床、教学、科研中都发挥着重要的作用。医学影像库存储大量的病例,这些病例可供医生参考、比较,对医生正确识别病情起到辅助作用,降低漏诊率与误诊率。如何有效的存储,并高效的提取对医生分析有益的医学影像,已成为医学领域的难点问题。因而研究高效、准确的医学图像检索方法对临床医学具有重要的意义。相比传统的基于文本的医学图像检索技术,基于内容的医学图像检索技术越来越受到研究学者的重视。本文针对基于内容的医学图像检索技术中医学图像特征提取和相似性度量两个关键因素进行研究,来提高医学图像检索的准确性。首先,本文从医学图像特点和相似性度量两个方面进行研究。在医学图像检索过程中,医学图像受成像模式影响,大多数图像都是灰度图像。分析灰度图像的纹理特征是医生对病理诊断的主要依据。因此,本文对医学图像进行纹理特征提取。距离度量方法是目前使用最为广泛的相似性度量方法,在不同的距离度量中,本文采用在计算原理上优于欧式距离而得到广泛研究与应用的Hausdorff距离进行相似性度量。其次,选择合适的纹理特征描述医学图像内容,通过融合纹理特征提高描述医学图像内容的能力。本文重点研究Hausdorff距离融合纹理特征的医学图像检索方法,以提高医学图像检索的准确性。构建并实现基于Hausdorff距离串行融合纹理特征的医学图像检索方法,此方法分别提取脑部MRI医学影像和肺部CT医学影像的Tamura纹理特征和小波纹理特征,将得到的纹理特征串行融合成一个新的特征向量,采用Hausdorff距离对新的特征向量进行相似性度量,并验证这种检索方法的有效性。最后,对医学图像融合纹理特征的方法进行研究,构建并实现基于Hausdorff距离等权重相加纹理特征的医学图像检索方法,使用Hausdorff距离分别计算Tamura纹理特征和小波纹理特征的相似性,按照1:1的权重值对相似性距离进行等权重相加,得到的结果作为总的相似性距离。在等权重相加纹理特征的基础上,提出自适应权重相加纹理特征的医学图像检索方法,采用回声状态网络(ESN)训练医学图像,设定不同图像的权重值。最后,将得到的权重值分配给对应的纹理特征,所获取的值作为总的相似性距离结果,并验证两种检索方法的可用性和有效性。实验结果表明,采用Hausdorff距离进行医学图像检索具有更好的检索性能,采用自适应权重相加纹理特征的方法进行医学图像检索能显著提高检索准确性。