在信息检索领域，如何有效地理解、检索大规模的数据库以及从海量图像中获取所需信息已成为一项极具价值的研究。因此，探索一种实用的基于内容的图像检索模型，尤其是寻求优秀的特征提取与描述方法，具有重要的理论意义和实际应用价值。到目前为止，并没有哪一种图像特征及其描述方式适用于所有的应用领域。医学图像检索（CBMIR）通常需要更高的检索性能，因而需要更为恰当的图像特征及其描述方法，及更为准确的图像理解和专业的医学知识与经验。针对这些问题本文借鉴了统计热力学的思想，既由组成事物的微观粒子来反映事物的宏观特性的方法。提出了一类基于统计热力学的图像特征并给出了相应的描述方式。本文主要研究内容如下：(1)图像与物质的研究存在相似性，它们都需要解决微观特性与宏观特性之间联系的问题。本文探索了将统计热力学的原理及方法引入到图像处理及相关领域。(2)提出了一类基于统计热力学的图像特征并给出了相应的描述方式，包括图像能量、图像质量、图像温度和图像压强等，论证了它们能够表征医学图像的宏观视觉特性。(3)将本文所提出的基于统计热力学的图像特征与传统的图像低层特征进行了实验比较，与灰度共生矩阵、区域纹理特征等存在信息重叠，表明他们提取了相似的信息。(4)基于主成分分析法，将本文所提出的统计热力学特征与传统的灰度共生矩阵、区域纹理特征等进行融合，应用于医学图像检索，获得了较高的查准率和查全率。将统计热力学描述子的特征提取方法应用于颅脑影像库的检索，结果表明了本文方法的有效性。