粒计算是人们看待客观世界的一种世界观和方法论，也是人类求解问题的基础，其在数据挖掘、分类问题、基于示例的学习、D-S理论、区间分析、定性推理、图像分割、分布式系统和软件工程等领域有着广泛的应用前景。粒计算发展到现在，无论是理论和应用都取得了很大的成功，这些思想为我们进一步研究打下了基础。 本文跟踪国际学术前沿，在粗糙集和模糊集理论框架下，以粒度计算方法为前提，借鉴已有的软计算理论成果，对一些粒度计算理论与方法进行了深入的研究。为了刻画和度量粒集合之间的差异程度和相似程度，本文提出了粒计算距离和贴近度的概念，并且给出了粒集和公式的公理化定义，使得已有的粒计算模型都是在这种粒度定义下的特殊形式。这些结论将有助于人们理解粒度的本质，对于建立信息系统中的粒计算有着重要的指导意义。本文所涉及的问题均系粒计算理论中的基础理论问题，所获研究成果不仅从理论上丰富和发展了粒度计算的理论与方法，而且由于该理论的广泛应用背景，这些结果同样具有重大的应用价值。 本文在粒计算的应用方面也做了一定程度的研究，为了对目标图像进行各种特征描述，需要对相似度中的公式进行统一定义，故提出了一种统一的图像的粒计算公式和按相似度确定图像检索方案。将粒计算贴近度应用到图像相似度计算中，可以提高检索的灵活性和系统的性能，满足某些实际应用场合的需要，并在一定程度上避免了从低级特征到高级语义特征的语义鸿沟问题。本文将粒计算应用在图像检索方面的同时还给出了相应的算法描述，这对于图像检索的进一步发展有着重要意义。