随着互联网和多媒体技术的发展，图像信息急剧增长，图像逐渐成为人们获得信息和了解世界的重要媒介。如何在浩如云烟的图像中获得自己需要的图像信息就成为亟待解决的问题。于是，基于内容的图像检索技术（Content-based Image Retrieval，即CBIR）就成为研究领域的热点，这种技术直接根据图像的各种物理特征，无须经过样本训练和机器学习，就可以达到检索出相关图像的目的。　　 图像检索的过程主要分为三个阶段:图像预处理、特征提取和相似性度量。本文利用商空间粒度计算理论对图像检索过程进行了分析和研究，将多粒度的思想应用于图像检索的过程中，取得了较好的实验效果。本文主要工作归纳如下:　　 (1)在图像预处理阶段，本文选取在HSV颜色模型下做相关处理，并改进了颜色量化方法。HSV颜色空间用视觉感知颜色的三个特征:色调(Hue)，饱和度(Saturation)，亮度(Value)来表示颜色，且在HSV颜色空间上的颜色距离与人类视觉对颜色认知上的差距相符。在对颜色进行量化时，本文依据人类视觉认知的特性，充分考虑了亮度和饱和度这两个分量对颜色的影响，划分了全白区域和全黑区域。一般的颜色量化方法，无论均匀化量化方法，还是非均匀化量化方法，都存在量化边界误差的问题。本文采用的二次偏移量化方法，在一定程度上缩小量化边界的误差，使得在图像特征提取阶段能够得到更为真实可靠的特征。　　 (2)特征提取算法对图像检索的效果影响巨大，本文用商空间理论对图像检索的过程展开了分析。首先，在论域层次下定义了几种粒度，并在属性层次下构造了不同的等价关系;然后，在不同的粒度下，根据不同的等价关系提取图像在不同层面的特征;最后通过特征融合形成图像的特征矩阵，并据此进行图像检索，取得了较好的实验效果。