实现医学图像的有效识别是目前计算机科学和医学交叉领域研究的热点,而影响医学图像识别效果的主要因素涉及特征提取和识别方法两个方面。医学图像特征提取是医学图像识别的基础性工作。本文在深入分析国内外医学图像特征提取算法的基础上,重点研究探索了基于Gabor小波的纹理特征提取方法。针对提取多类特征后,如何将之应用于医学图像识别,以便取得令人满意的识别率,本研究着重探索了多特征融合的医学图像识别问题。论文主要工作体现在以下三方面:(1)系统总结和评价图像的颜色特征、纹理特征、形状特征和语义特征的提取方法。对各类特征提取方法中的典型代表,如:灰度直方图特征、灰度共生矩阵特征、不变矩特征、聚类特征等,在MATLAB7.0环境下进行详细的分析和研究。(2)研究并提出基于有效数据网格的Gabor小波纹理特征提取算法。针对Gabor小波纹理特征提取算法的特点,试图让提取的特征更好地表达医学图像内容,运用医学图像网格划分的方法,提出基于有效数据网格的Gabor小波纹理特征提取算法,并给出了算法流程、进行了实验比较。(3)研究并提出医学图像多特征融合的识别算法。针对任何一类特征都不能很好地表达医学图像内容的问题,提出了一种基于特征级数据融合和决策级数据融合相结合的识别框架。研究结果表明,采用主元分析进行特征级数据融合,既可以使融合后的特征较好的表达医学图像内容,同时还达到了特征降维、去除特征间冗余的目的;采用多数投票法进行决策级数据融合,可以充分利用不同分类器之间的互补性,取得了比单个分类器更高的识别率。