粒计算从不同粒层次上研究问题,主要用于处理不确定的、模糊的、不完整的和海量的信息。粒计算作为一个新的研究领域,它有两项特殊的任务:一是从各个不同的领域中概括出它们的共性,不考虑它们在低层次上的差异,从而提炼出抽象的、高层次的、综合的认识;二是将特定领域中隐含的结构明确化,以总结出独立于具体领域的普遍原理。粒计算的独特性体现在用系统的、结构化的理解和方法来解决复杂问题。对复杂问题的全面理解通常是多视角的,从每一个视角着眼的理解又是多层次的,因此,粒计算的过程就是对复杂问题的求解过程。它的结果表现为一个多视角、多层次的粒结构。这个粒结构就是对复杂问题的系统且近似的描述和解答。粗糙集理论作为粒计算的子集,研究不完整、不确定性的问题。分类的思想是粗糙集进行数据处理的理论基础。抽象意义的分类是学习、决策的基础。粗糙集的主要优点是不需待分析数据的任何先验及附加知识。本文在研究粗糙集理论的基础上,提出了基于粒计算中集合近似的属性约简。这种约简算法根据近似度来判断条件属性是否冗余,从而达到对决策表约简的目的。文中利用粒计算中二进制粒进行模糊推理得到了较好的推理结果。因为粒计算在处理大量数据和丢失的信息上是很有优势的,所以本文将粒计算应用在数据融合系统中,数据融合技术和粒计算的结合可以减少假定参数在传统的数据融合中在数学模型中的影响。而文中基于粒计算的决策规则推导,使决策规则更加容易理解。图象增强处理主要突出图象中感兴趣的信息,而减弱或去除不需要的信息,从而使有用信息得到加强,便于区分理解。图象增强的目的在于:其一,采用一系列技术改善图象的视觉效果,提高图象的清晰度。其二,将图象转换成一种更加适合于人或机器进行解译和分析处理的形式。图象增强不是以图象保真度为原则,而是通过处理设法有选择地突出便于人或机器分析某些感兴趣的信息,抑制一些无用的信息,以提高图象的使用价值,即图象增强处理只是增强了某些信息的辨别能力。由于图像信息本身的复杂性和它们之间有较强的相关性,在处理过程中的各个不同层次可能出现不完整性和不精确性问题,将粒计算理论应用于图像的处理和理解,在一些场合具有比硬计算方法更好的效果。本文把图像看成是一个知识系统,根据粒计算理论的不可分辨关系将图象知识系统的划分为不同的子块,分别对各个子块进行增强处理,最后将各个子块的处理结果进行叠加,得到基于粒计算方法的图象增强处理结果。本文应用Matlab软件编程,调试图象增强处理的程序,并将本文提出的基于粒计算方法应用于彩色图象增强,实验证明,有噪声的彩色图像经过粒计算方法处理后可以得到较清晰的图像。总之,粒计算是一种新型的信息处理方法,可以应用在各个不同的领域。它巨大的包容性和强大的生命力使问题的求解更加容易。