医学图像一直以来都是医生在诊疗中重要的临床依据之一。随着医学影像技术的不断进步和采集设备的更新换代,其重要性日益突出。如何对海量医学图像的深入分析并有效利用成为一个关键性问题。图像检索技术的引入成为解决这一问题的有效手段。基于文本的图像检索方法和基于内容的图像检索方法在医学图像检索中有广泛的应用。基于文本的医学图像检索由于采用人工标注的方式描述图像信息,主观因素较多,这在一定程度上限制了检索效果。基于内容的医学图像检索通过计算机自动提取图像的内容信息,用提取到的医学图像特征描述医学图像。这种方法避免了主观因素影响且提取到的信息丰富,因此基于内容的医学图像检索方法成为一个研究热点。目前,基于内容的医学图像检索方法广泛使用的医学图像特征有形状、纹理、像素强度以及SIFT等。对医学图像特征提取以后进行聚类分析生成描述子将图像特征量化是该方法的关键环节。其中常用的有BoV模型、词汇树模型和VLAD模型等。在对医学图像进行特征提取以及相似性度量中,特征点之间的几何关系经常被忽略,导致错误匹配的出现,影响了检索效果。针对这一问题本文提出了基于特征几何关系的医学图像检索方法,在基于词汇树的医学图像检索方法的基础上加入了几何验证环节,通过验证匹配特征点之间是否符合几何关系合理性来减少错误匹配的出现,提高检索准确度。我们还提出了一种基于几何约束的空间像素强度特征提取方法,并与VLAD模型相结合的医学图像检索方法。该方法通过提取每个特征点及其指定邻域内的相关特征点的像素强度信息来共同量化描述该特征点,聚类分析以后生成VLAD模型。相对于单独提取每个特征点像素强度信息这种提取方式对特征点的描述更加充分,而VLAD模型自身具有的运算效率高和准确度高的优点进一步提升了该方法的检索性能。通过在DDSM乳腺图像数据库和人体脑瘤磁共振影像数据库分别对两种方法的检索性能进行了验证。在与基于词汇树的乳腺癌图像检索方法进行实验对比后发现,我们在得到初始检索结果后加入几何验证算法有效的减少了错误匹配的出现提升了检索准确度,经过调整算法参数值设定找到了较为合适的参数取值。在基于几何约束的空间像素强度的脑瘤图像检索实验中我们将本文方法与基于BoV模型+像素强度特征、基于BoV模型+SIFT特征和基于VLAD模型+SIFT特征等脑瘤图像检索方法进行了对比实验,结果表明本文提出的方法有更好的表现,在算法参数取值不同的多组实验对比后我们找到了较为合适的参数取值。