粒计算是信息处理的一种新的概念和计算范式,覆盖了所有和粒度相关的理论、方法、技术和工具的信息,主要用于描述和处理不确定的、模糊的、不完整的和海量的信息以及提供一种基于粒和粒间关系的问题求解方法。粒计算的基本思想是在问题求解中粒的使用,它通过粒对现实问题的抽象、粒之间的关系、粒的分解和合成以及粒或者粒集之间的转换来描述和解决问题。粒计算,通俗地讲,就是以粒为单位来进行计算。粒是我们对现实的抽象,它的目标是建立高效的以用户为中心的对于外界世界的观点,从而支持和帮助我们对周围物理和虚拟世界的感知。人类具有根据具体的任务特性对相关数据和知识抽象或者泛化成不同程度、不同大小的粒的能力,以及进一步根据这些粒和粒之间的关系进行求解的能力。基于这样的思想,本文建立了粒度分层模型,通过构建图像上的粒度分层结构,从图像中抽取其特征,在此基础上,用这些特征进行图像分割。该模型是基于相关关系构建的粒计算模型,它由四个部分组成:对象集系统,相关关系系统,转换函数和嵌套系统,主要特点在于对粒的定义以及通过粒度的层次嵌套结构进行问题求解的方法。在本部分工作中,主要研究了粒的定义、关系及其合成和分解技术,以及粒度分层模型、粒度分层结构的构建方法和模型的主要特点等;建立自己的粒度分层结构,对图像进行分割。通过实验表明,粒度分层模型在图像分割上具有良好的应用效果。本文研究实现有关图像分割的算法,最主要是区域分割算法;并采用灰度特征描述刻划图像区域;本文主要采用的是区域生长算法,对种子点的选取,生长的法则,以及生长的方向等都进行了详细研究,并对此算法进行了改进,成功地实现了对灰度图像进行基于子块的区域生长法。实验证明,基于子块的图像分割算法的分割结果符合人的主观感知,分割效果令人满意。基于子块的区域生长法,充分研究了区域生长法的基本要素:区域的数目,各区域的生长核心(种子);区域间相区别的性质特征,由此构造同质判据。