本研究对肝脏CT图像的基于内容的检索技术进行了较为深入的探讨.在本文中,肝脏CT图像的内容是指肝脏的影像表现,包括肝脏的形态特征和肝脏病灶的纹理特征.肝脏CT图像的基于内容的检索过程就是检索图与其它图像之间针对这两种特征的匹配过程.为此,本文提出和设计了包括肝脏区域的分割、病灶区域的识别、基于肝脏形态特征的检索、基于肝脏病灶特征的检索等一整套相关算法:本文对腹部CT图像中肝脏的分割和病灶的提取进行了探讨.图像分割是医学CBIR系统的关键技术之一,本文提供了基于数学形态学原理的分水岭算法和基于可形变模型的snake轮廓提取算法用于肝脏区域的分割.肝脏区域内病灶的提取是基于有限混合器模型的像素分类算法.本文对肝脏形态特征的提取和基于肝脏形态特征的检索进行了探讨.描述一幅肝脏CT图像内容的特征主要包括肝脏的大小形态、病变的大小位置和纹理特征.关于肝脏的形态特征,本文对肝脏的大小、肝脏的形状规则性、边缘规则性、肝裂的情况提出了描述算法.这些形态特征是基于肝脏形态特征的检索的依据.本文对肝脏病变区域的特征提取和基于病变区域特征的检索进行了探讨,本文尝试了利用共生纹理、Gabor纹理、以及小波纹理分析方法提取病变区域的特征作为检索时内容匹配的依据.以查全率和查准率为标准,本文对基于各种特征的检索方法进行了评判.在以上算法的基础上,本文设计了一种肝脏CT图像的检索系统(HCBIR).HCBIR主要包括两个工作流程:图像存储和图像检索.在图像存储过程中,首先通过相关的图像分割算法从肝脏CT图像中分割出肝脏和病灶区域,然后提取肝脏和病灶区域的形态和视觉特征,构成特征向量.最后将图像和相应的特征向量一起存入数据库.在图像检索时,医师首先指定一幅具有某种影像表现的样图.同存储过程一样,系统从样图提取特征向量.然后利用一定的特征匹配算法从数据库中检索出一组最接近的特征向量并将相应的CT图像显示到用户界面.