随着计算机技术、信息技术在医疗过程中的应用，数字化医疗应运而生。在数字化医疗方法中，大量包含病人病理信息的图像是医生进行远程医疗、临床诊断、手术计划和术后研究等的重要客观依据。而医学图像的庞杂性亟待高效的检索方法，因此本文针对如何准确提取医学图像的颜色特征进行检索展开研究，提出了基于改进粒子群和分块小波变换的医学图像检索算法，并且结合VC和MATLAB，搭建了具有一定实用性的仿真实验平台进行实验。　　 本文首先介绍了图像检索的研究现状。针对医学图像特征，设计了高频强调滤波器对图像进行预处理，突出了图像的边缘和细节信息，然后在研究了全局直方图、累加直方图等几种检索算法的基础上，设计了基于分块累加直方图的检索算法。实验证明，由于分块累加直方图加入了空间信息，其检索效率比其他几种方法明显提高，但是对每一小块内的细节信息描述不充分。　　 针对上述问题，本文设计了基于分块小波变换的检索BWTBIR(Blocking Wavelet Transform Based Image Retrieval)算法。由于对每一小块进行小波变换，因此突出了图像的局部细节信息。实验表明，该算法显著提高了查全率和查准率。针对BWTBIR算法检索时间较长的问题，本文采用粒子群算法对BWTBIR算法的依次匹配进行了优化，缩短了检索时间。并针对粒子群算法的“早熟”缺陷，采用随机变异策略进行改进，得到了基于改进粒子群和分块小波变换的检索算法。实验证明，该算法不仅保证了查全率和查准率，而且缩短了检索时间。　　 最后，针对检索结果与用户的实际需求之间存在差异的问题，本文设计了查询向量优化方法进行相关反馈，能根据用户的需求动态调整特征向量。实验证明，该反馈方法使检索效率明显提高。