در این پایان نامه، رویکردی سلسله مراتبی برای بازیابی بر اساس محتوای(cbir) تصاویر درموسکوپی با هدف کمک به تشخیص بیماری در درماتولوژی کلینیکی پیشنهاد می شود. در روش های معمول cbir، سنجش شباهت تنها با محاسبه فاصله بردارهای ویژگی تصاویر مجموعه داده صورت می گیرد. در نتیجه، فاصله معنایی چالش بزرگی در عملکرد بازیابی ایجاد می کند. از این رو، در این تحقیق زیرمجموعه های ویژگی مختلف و یک رویکرد سلسله مراتبی سه مرحله ای را برای سنجش شباهت در بازیابی تصاویر اتخاذ می کنیم؛ به این ترتیب که با ارائه یک تصویر جدید(q) به سیستم cbir، در گام اول کلاس بیماری این تصویر با به کارگیری یک طبقه بند svm و ویژگی هایی که به خوبی بین کلاس ها تمایز قائل می شوند، تعیین می شود. از آن جا که برچسب تصاویر در هر یک از کلاس های خوش خیم و بدخیم از دیدگاه نوع بیماری و شدت آن معین نیست، در مرحله دوم با به-کارگیری ویژگی هایی با قابلیت بالایی برای تمایز خوشه های موجود در هر کلاس و استفاده از الگوریتم خوشه بندی fcm، نزدیک ترین زیرکلاس به تصویر q را می یابیم. در نهایت، بازیابی شبیه ترین تصاویر از میان تصاویر نزدیک ترین زیرکلاس به تصویر q، بر اساس یک تابع سنجش شباهت، انجام می شود. مجموعه داده مورد نظر در این تحقیق، مجموعه 1983 تصویر درموسکوپی ضایعات رنگدانه ای سرطان پوست می باشد. مقایسه دو روش سنجش شباهت(سنجش شباهت بر اساس محاسبه فاصله بردارهای ویژگی توسط تابع فاصله اقلیدسی و سنجش شباهت بر اساس فرایند سه مرحله ای سلسله مراتبی پیشنهادشده) نشان داد که بازیابی سلسله مراتبی نتایج بازیابی را به مقدار قابل توجهی بهبود می بخشد.