随着医学影像设备的广泛应用及计算机技术的快速发展，临床上每天都会产生大量的医学图像数据。如何对这些图像数据进行有效管理，并合理的应用于临床诊断过程也就成为当前迫切需要解决的问题。传统的医学图像检索存在完全依赖人工识别，局限于文字检索，图像调用效率低等多种问题。在此情况下，基于内容的医学图像检索（Content-Based Medical Image Retrieval，CBMIR）技术在医学图像处理领域迅速地发展起来，它通过融合对图像的理解以及模式识别等技术来克服传统检索方法的各种局限性。　　本文围绕着CBMIR技术的图像底层特征提取和图像特征相似性度量展开研究。介绍了现有的图像检索算法，系统的阐述了医学图像常用的特征提取方法，相似性度量，检索性能评价。针对医学图像的特点，我们利用纹理元提取图像局部特征。由于特征比较时，图像之间的相似性关系同欧几里得空间反映出的距离有时并不相符，我们结合张量积进行相似性扩散，通过全局信息修正图像两两之间的相似性关系。为提取医学图像中有用的特征信息，研究了一种基于纹理元的特征提取方法，该方法将纹理看做是按照一定的规律分布的一系列基元的排列，并通过其统计特性来描述纹理特征。根据比较待查询图像与数据库图像的纹理信息，得到它们之间的相似性。由上述算法的相似性度量直接进行图像检索，存在过度依赖于底层特征，相似性表达自身困难，以及噪声影响的问题。为了提高检索效率，提出一种通过张量积图进行扩散，利用其他数据点的上下文信息改进基于纹理元的成对相似性度量的方法。将通过纹理元统计方法得到的医学图像特征，加以纹理元相似性权重，得到图像的成对相似性，然后利用张量积图沿着数据点的内在流形进行相似性的传播，实现全局的相似性度量。在标准数据库ImageCLEFmed2009上的实验结果表明，与传统方法相比，所提出的算法能够抑制噪声，更客观真实地反映图像之间的相似关系，进一步提高了图像检索的准确性。