建立一个高效、准确的医学图像检索系统是目前具有挑战性的任务. 文中在简述基于内容的医学图像检索模型后,着重探讨和分析了检索模型中图像特征提取、特征选择与融合、相似度匹配、图像预过滤、相关反馈等核心技术和相关算法,以及一些最新的应用. 最后对基于内容的医学图像检索技术进行了展望.

MATLAB基于内容的图像检索简单来说，就是图片检索图片，目前典型的CBIR系统包括：QBIC、Virage、Photobook等，这些系统的工作原理都是当用户将一幅图片呈现后，计算机通过提取图片中形状、颜色、纹理、文本等特征后，在数据库中进行对比，找出特征相似的图片，这样不仅能使检索结果更准确，还能利用计算机高度自动化、智能化的发展特点，避免了人工干预，减少了重复冗余的工作量。例如当我们进行船舶检索时，我们可以通过建立一个包括各种各样船舶种类的庞大数据库，并适当地对每张图片配以文本，这样当用户输入一张图片后，系统就会提取相应的特征进行分析，并从中选出类似的图片，这样大大减少了因输入的描述性文本错误而检索出不符合要求的船舶的可能性，提高了效率。

数据跟踪器 用于流数据源的基于内容标识符的注册表的概念验证 目标 给定URL上的数据可能会定期更改，甚至会连续更改。 这与我们可能用于预测的数据尤其相关，例如来自NOAA或NASA的环境数据或来自NEON的生态数据。 这样的数据源很少具有DOI，并且每次我们根据它们进行预测时都为这些源创建DOI通常是不切实际的（请参阅 ）。 该存储库概述了一种简单的替代方法。 我们想要一个自动化的工作，该工作： 观看网址 计算找到的数据的每个唯一副本的标识符（或用于进行预测的标识符） 存档找到的数据的每个新副本 允许我们使用其标识符检索该数据的精确副本。 方法 正如Ben Trask，Jorrit Poelen和其他人所建议的那样，我们将使用简单的内容哈希总和作为标识符，而不是将DOI用于该标识符。 （请注意，此方法与git ， dat ， IPFS和其他基于内容的系统的方法不同，因为它更简单-无需

2007年Shai Avidan 和Ariel Shamir论文《Seam Carving for Content-Aware Image Resizing》所提出方法的Matlab代码实现和作者的论文。 效果非常炫，而且代码不长

章毓晋，基于图像内容的视觉信息检索，科学出版社，2003年。

《基于内容图像检索技术》从理论方法研究与实现技术角度，总结归纳了基于内容图像检索（CBIR）技术的研究与进展，并融入了作者多年来的相关研究与应用成果，系统地介绍了CBIR的主要概念、基本原理、典型方法、实用范例以及新动向。《基于内容图像检索技术》共有12章分为五部分：第一部分是概述，分析了CBIR的体系结构、技术现状和发展趋势；第一部分讨论图像特征提取，给出图像低层特征（颜色、形状、纹理、空间关系）和图像高层特征（语义）提取算法，论述了综合图像多特征的检索方法以及三维模型检索的前沿研究；第三部分是优化，论述了特征优化与过程优化；第四部分给出了相关性评价与量化评价的通用方法；第五部分介绍原型系统与应用实例，介绍了作者设计实现的原型检索系统与应用实例。 　　《基于内容图像检索技术》注重理论分析与算法实践相结合。体系完善，书中所列算法均已调试通过，配有适量习题，每章均附有参考文献与小结，便于参考查阅。《基于内容图像检索技术》内容详实。比较实用，可供电子工程、计算机科学与技术、媒体制作和生产、远程教育和医疗、公安、遥感等领域的科技工作者参考，亦可作为高校电子工程、计算机及相关专业研究生教材。 第1章 基于内容图像检索技术概述 　　第2章 基于颜色特征的图像检索 　　第3章 基于形状特征的图像检索 　　第4章 基于纹理特征的图像检索 　　第5章 基于空间关系的图像检索 　　第6章 基于语义的图像检索 　　第7章 综合多特征的图像检索 　　第8章 三维模型检索 　　第9章 图像检索中的特征优化 　　第10章 图像检索中的相关反馈过程优化 　　第11章 图像检索系统性能评价 　　第12章 基于内容图像检索的原型系统及应用实例

基于内容的图像检索(mysql数据库+navicat+matlab 实现）100%可运行， 有界面 需要自己调整数据库路径位置和自行配置matlab连接mysql数据库。 比较简单，只有颜色特征和纹理特征的提取（颜色矩+lbp）， 从预先设定好的100张图片中检索，大二做的，带有报告。

图像检索有很多的特征。这里是基于颜色特征，基于PHash算法的检索。环境使用eclipse，易懂易调试。附上用于测试检索的图库

自己开发的小程序，只要输入一幅关键图，就可把本地硬盘中的所有图像文件找出来，并按与关键图的相似程度进行排序浏览，具有ACDSee的一些基本功能。本来是在做基于内容图像检索课题研究时验证算法用的，现在想做图像搜索引擎，特请大家试用，并批评指教，与我联系：chzqw@sina.com