粒计算融合了粗糙集、模糊集、人工智能等多学科研究成果,是研究复杂问题、海量数据挖掘和不确定信息处理等的一种有效工具。近年来,粒计算理论被广泛应用于人工智能、数据挖掘、机器学习、图像分类和检索等领域。随着信息时代的到来,世界数字图像开始迅速膨胀,并逐渐成为人们沟通和信息传递的主要载体。面对浩瀚的数字图像库,高效的图像检索方法亟待研究。很多学者用粒计算理论来处理图像检索问题,并取得了一些成果。但是,现有用粒计算模型分层提取的图像特征不符合人眼的感知心理,并且具有一定的不确定性。云模型是定性概念与定量表示之间不确定性转换的模型,它可用三个数字特征整体地描述定性概念的不确定性,并且被广泛应用于数据挖掘、图像处理等领域。目前,用云模型理论处理图像问题受到国内外研究学者的关注,已成为图像处理领域研究的一个新热点。本文基于现有的粒计算模型,分析了图像分层提取的视觉特征中存在的不确定性,并且对图像检索的关键技术和云模型理论进行了深入研究,提出了基于云模型和相容粒的图像检索新方法。本文的主要创新点如下：(1)纹理表示像素周围灰度空间的分布规律,是描述图像的重要特征。为了提取出符合人眼感知心理的纹理特征,本文定义了基于灰度的原始对象集和相容关系,构建了灰度关系系统；针对现有的粒计算模型中提取的纹理特征具有不确定性的问题,提出了基于灰度的云模型网格点提取算法；在此基础上,构建了基于云模型的灰度相容空间模型,定义了新的纹理相似性度量,提出了基于云模型的图像纹理识别和检索方法。仿真实验表明所提出的方法可有效地提高图像检索的效率。(2)针对非均匀颜色空间RGB所提取的颜色特征不能很好地刻画图像的问题,本文首先将彩色图像转换到均匀颜色空间CIELab上,并在此空间上构建了彩色图像的对象集；针对基于空间位置的网格点提取的图像特征具有不确定性问题,本文运用云模型相关理论提取颜色空间中网格点,进而构建了基于颜色空间CIELab的相容关系系统,从而建立了基于云模型和相容粒的空间模型；最后,利用该空间模型提取出彩色图像的颜色和纹理特征,给出了基于云模型和相容粒的彩色图像检索方法,并将其应用到彩色图像的检索中。通过仿真实验证明了该方法的有效性。