粒度计算(Granular computing,简称GrC)的思想产生于20世纪70年代,并得到了迅速发展和广泛应用。它的基本思想是模仿人类思考问题的方式:即人们能从极不相同的粒度上观察和分析同一问题,而且能够很快地从一个粒度世界跳到另一个粒度世界,往返自如,毫无困难,最后综合多个粒度下得到的信息达到解决问题的目的。它已经成为最近国内外学者研究的热点之一,在理论方面的研究已经到了一定水平,但在应用方面的研究还处在起步阶段。因此,对粒度计算的应用研究具有十分重要的意义。本文主要的工作是把粒度计算引入到模式识别的具体问题中,做了一些相关的研究,取得了以下几方面的新进展:(1)把粒度计算和具体模式识别问题结合在一起,分析了为什么要在模式识别中引入粒度计算和怎么在模式识别中引入粒度计算。(2)根据上述的分析结果,提出一种基于粒度计算的Hough变换改进算法,实验结果表明,引入粒度计算后,整个算法的时空效率,实验精度以及算法的性能都得到相当大程度的改进。(3)在车牌定位算法中,在实验的基础上深入分析了基于平行四边形提取的车牌定位算法中存在的问题,并探讨了如何用粒度计算解决这些问题。