随着计算机技术和医学影像技术的发展，医学图像的数量呈现指数性增长的趋势。目前，基于文本的医学图像检索已经不能满足医学图像检索、管理和维护的需要。在这种情况下，基于内容的医学图像检索受到研究者广泛的关注。基于内容的医学图像检索是基于内容的图像检索技术在医学领域的应用，在临床、教学、科研、以及医学图像归档和通信系统(PACS)中都有重要的应用。在基于内容的医学图像检索中，特征提取和表示是其重要的研究内容之一。特征提取和表示的核心思想是从图像中提取和表示具有显著标识力的特征，通过这些特征进行图像的分类和检索。如何从图像中提取和表示具有显著标识力的特征，如何把医学领域的知识引入特征提取和表示过程，以及如何把其他学科如生理心理学、图形学等的研究成果引入特征提取和表示过程，以取得具有显著标识力的特征，是本文的主要研究目标。　　本文在系统地分析了基于内容的医学图像检索技术，特别是特征提取和表示方法的基础上，对基于内容医学图像检索中低层纹理特征的提取和表示、低层形状特征的提取和表示、融合特征的提取和表示、语义特征的提取和表示等进行了系统、深入和较为全面的研究。研究的主要内容包括:　　(1)低层纹理特征的提取和表示　　医学图像中富含纹理信息，如何提取和表示这些信息以有效地刻画图像的特征是一个重要的研究内容。在分析目前存在的纹理特征提取和表示方法的基础上，针对如何提取和表示具有显著表示力的纹理特征进行了深入的研究，研究工作从三个方面展开。首先，把类内分析和单图像分析得到的显著性信息引入纹理特征提取和表示，以便在取得具有显著表示力的纹理特征的同时确定具有较低维数的特征向量;其次，把多值逻辑引入纹理特征提取和表示过程，以解决非确定信息的量化问题;最后，把纹理基元模型引入纹理特征提取和表示过程，以去除噪声、光照条件改变等多种因素影响。　　(2)低层形状特征提取和表示　　形状是医学图像的重要低层视觉特征之一，形状信息通常分为轮廓信息和区域信息，如何提取和表示形状信息以有效地刻画图像的特征是另一个重要的研究内容。在分析目前存在的形状特征提取和表示方法的基础上，针对如何提取和表示具有显著表示力的形状特征进行了深入的研究，研究工作从两个方面展开。一是把空间域信息引入到基于轮廓的形状特征提取和表示过程，以便从轮廓取得更具标识力的形状特征;二是把人对对象的观察模型引入到基于区域的形状特征提取和表示过程，以便从区域内部取得更具标识力的形状特征。　　(3)融合特征的提取和表示　　通常，一幅图像具有多种特征，不同的特征又有多种提取和表示方法，如何融合这些特征以增强图像检索系统的性能是急待解决的问题。这里以Gabor小波方法为例分析了当前的特征提取和表示方法不仅提取单一特征，而是多种特征的情况。在此基础上，提出一种纹理和形状融合特征的提取和表示方法，通过比较来自Gabor小波方法的特征和融合特征，来验证融合特征的标识力。此外，通过把融合特征引入图像检索系统来验证系统的检索性能。　　(4)语义特征的提取和表示　　低层视觉特征如纹理、形状等虽然可以有效地刻画医学图像的特征，但是采用这些特征提取和表示方法的系统所检索到的图像通常不能符合用户的意图。近几年来，基于语义的图像检索受到了广泛的关注。在分析目前存在的语义特征提取和表示方法的基础上，提出了一种采用并行融合算法的语义特征提取和表示方法。首先，采用Tamura特征和模糊C均值聚类(FCM)提取和表示粗语义特征;其次，采用机器学习方法从影像报告中提取和表示语义特征;最后在语义级实现特征融合。研究工作从两个方面展开。一是把模糊理论引入语义特征提取和表示过程，以解决非确定信息的量化问题;二是在语义级对两种语义特征进行并行融合，以便可以采用单一的度量方法进行相似性度量。　　总之，本文研究了基于内容医学图像检索中更具标识力的纹理特征、形状特征、融合特征和语义特征提取和表示中的一些基本问题，并且提出了相关的提取和表示算法。理论分析和实验表明这些方法能够有效地支持基于内容医学图像检索。希望这些方法和技术对于开发更具应用性的基于内容医学图像检索系统具有一定的参考价值。