粒计算是人工智能领域新兴起的一门学科,是一种新的数学工具。它主要有三大理论:基于模糊逻辑的粒计算理论、基于粗糙集的粒计算理论和基于商空间的粒计算理论。基于粒计算方法,可以在问题求解时利用适当的划分在不同的粗细粒度世界中讨论问题和寻找答案。由于粗粒度世界比原问题简单,在粗粒度世界讨论问题时,往往可以缩小问题求解的范围,加快求解速度。但粗粒度世界会造成一些有用信息的损失,因此,当问题在粗世界中不能得到求解时,可以适当地减小粒度的大小,得到更加细致的层次空间,找到在上一层次中无法确认的问题的答案。这样就使得一个不确定的问题通过一个粗细的划分,在最合适的层次中得到解决。目前粒计算理论在知识发现、机器学习、语义web服务、图像分类和检索等领域中得到了广泛的应用,但是利用粒计算的方法解决应用方面的问题还存在一些技术上的难题。图像检索技术一方面是对图像的底层特征,如颜色、纹理、轮廓和形状等特征进行计算和比较,检索出符合用户需求的图像集合;另一方面是针对图像的语义特征进行的检索。但是在传统的图像检索方法中,还没有寻找出一种有效的方法来提高图像检索的时间复杂度、查全率和查准率等技术指标。本文对图像检索的相关技术和粒计算的理论方法进行了深入研究,并尝试将粒计算理论与图像的检索技术相结合提出了新的图像检索方法。本文主要的创新点如下:(1)将概率粗糙集理论和图像的语义标注技术引入图像信息检索中,提出一种基于朴素贝叶斯理论和概率粗糙集的图像信息检索模型。首先研究了图像的精确标注和模糊标注,并构造精确标注词空间以及进行精确标注图像和模糊标注图像的查询,然后计算查询特征与图像库中图像之间的语义相似度,并根据相似度的大小给出检索的排序和输出。(2)针对传统纹理图像检索方法精度不理想的问题,给出了基于相容粒空间的多层次图像纹理识别方法。然后,针对纹理图像在颜色考虑上的缺失,提出了在粒度层次上进行颜色匹配的方法。最后,结合以上两种方法,给出了综合颜色和纹理特征的相似度改进算法。(3)以粒计算理论为基础,本文主要通过引入粒的边缘和分层熵的概念,提出了粗糙粒的概念,构造了粗糙粒模型和相似度计算方法,得出了一种图像的纹理识别方法。该方法不仅提高了模型的实用性,而且简化了纹理识别的计算过程。