数字化影像设备在临床的广泛应用产生了大量的医学图像数据。如何更有效地组织、管理和检索医学图像数据，让丰富的医学图像更好的为临床、科研和教学服务成为当前迫切需要解决的问题，基于内容的医学图像检索技术(Content-Based Medical Image Retrieval)应用而生。近年来，许多学者研究了基于内容的眼底图像检索中的一些关键技术，然而，基于内容的眼底图像检索的应用却很少。　　 眼底(视网膜)视神经是重要的视觉器官。眼底血管循环障碍疾病以及全身性疾病导致的眼底改变均可不同程度地显征于视网膜和脉络膜。然而受专业和研究领域的限制，对眼底图片的诊断是比较困难的，并非每个医生都会分析和诊断眼底图像。而基于内容的眼底图像检索系统，利用CBIR技术快速对眼底图片进行检索，可以实现自动识别和分类，能提示并辅助大夫提高诊断的速度和准确性，因而具有重要的研究意义和开发价值。　　 本课题主要研究了基于内容的眼底图像检索和基于检索的眼底图像计算机辅助诊断系统。　　 在基于内容的眼底图像检索部分，本文区别于传统方法提出一种基于图像局部密度直方图和整体颜色(或灰度)直方图共同来提取眼底图像特征的方法，这样既考虑了图像的局部区域特征，又考虑了图像的整体特征。通过与传统方法的CBIR系统比较，证明本文方法提高了检索的精度。在检索算法上，本文改进并提出KPCA+SVM图像检索算法，用来分类检索复杂的眼底图像。检索过程中，首先用眼底图像的明、暗区域的局部直方图和眼底图像的整体直方图的组合来表示标准化的眼底，由于这样的数据维数比较高，故用KPCA降维并处理眼底特征分布的非线性。为了获得满意的检索精度和推广性能，用线性支持向量机和最邻近聚类准则构建多分类器，并通过相关反馈策略，训练最优分类器。实验表明，无论是对荧光眼底还是彩色眼底，该系统对五分类的小样本都具有较高的检索率(大于90％)。由于该系统是一个开放的系统，可扩充性和实时性都很好，因而具有很高的应用价值。　　 在基于检索的眼底图像计算机辅助诊断部分，考虑到眼底筛查对诊断速度和准确性的要求，文章对第三章的算法加以改进并提出了2PCA+SVM的算法，在此基础上实现了一个用于眼底筛查的CAD系统。因为筛查只需区分正常和异常眼底，是一个两分类问题，故只选用了一个线性的SVM做分类训练，同时2PCA又较KPCA简单、快速和稳定，所以该算法相对于第三章的算法就提高了训练速度，分类的精确性和系统的稳定性。初步的实验表明，该系统用于眼底筛查时的检索正确率可以达到98.33％。该系统基于MatlabR2007b编程，性能稳定，操作简单，可靠性高，完全可以做为一个小插件而用于诊断系统中。