本文是将复杂网络理论应用于图像处理问题的先期研究，主要关注图像灰度邻域模型的小世界性质。本文根据图像灰度邻域模型，将图像数据库中的每幅测试图像抽象为一个网络，建立起一个关于图像的网络模型。通过对测试图像网络的研究和定量分析，证明了在这类测试图像网络中存在小世界性质：图像网络中具有较小的平均路径长度和较大的聚类系数。　　 本文根据常用的图像灰度邻域模型，我们将图像中的每个像素点看作图像网络的一个节点。节点间的连接关系定义如下：利用图像中像素点之间的几何距离和以某一像素点为中心的邻域半径值的关系，将任意一个像素点周围一定半径内的其他像素点视为这个像素点的邻居点，并将它们连接起来，这样我们就建立了一个图像的邻域网络；在邻域网络的基础上，通过不同像素之间的灰度差和灰度差阈值关系，选择性的将两个不同像素点用一条边连接起来，就得到了一个图像网络。　　 为了计算图像网络的平均路径长度，我们首先建立了每个图像网络的连接矩阵，并利用求幂迭代法计算图像像素点对之间的最短路径长度。由于图像网络的节点数目巨大，利用连接矩阵计算图像网络的最短路径长度成为一个非常困难的问题。我们通过巧妙设计的数值计算方法证明了以图像为基础建立的网络具有较小的平均路径长度和较大的聚类系数，也就是证明了这类测试图像网络是小世界网络。　　 本文的贡献主要有：根据图像的灰度邻域模型，建立图像网络；利用图像网络模型的连接矩阵及其求幂迭代算法，求出所有像素点之间的最短路径长度；证明了图像网络模型是小世界网络。除此以外，本文为图像网络的模型建立和图像模型的小世界性质研究证明提供了一种新思路，相信本文研究能够对今后解决图像处理中的一些问题有一定帮助。