數(shù)字圖像處理、圖像理解與模式識別，這是當(dāng)今計算機視覺研究的熱點。圖像處理與模式識別在現(xiàn)代信息技術(shù)中具有非常重要的作用，同時該研究領(lǐng)域仍然存在大量的研究難題。機器視覺技術(shù)主要是針對工業(yè)應(yīng)用領(lǐng)域，但作為視覺系統(tǒng)，所采用的圖像處理、圖像理解與模式識別的基礎(chǔ)理論和技術(shù)是相同的。

圖像的增強、圖像的平滑、圖像的數(shù)據(jù)編碼和傳輸、邊緣銳化、圖像的分割等在不同的研究目標(biāo)和應(yīng)用中會采取不同的方法，也在不斷出現(xiàn)新的研究成果。

圖像的模式識別過程實際上可以看作是一個標(biāo)記過程，即利用識別算法來辨別景物中已分割好的各個物體，給這些物體賦予特定的標(biāo)記，它是機器視覺系統(tǒng)必須完成的一個任務(wù)。

所謂模式和模式識別，從廣義上說，存在于時間和空間中可觀察的事物，如果可以區(qū)別它們是否相同或相似，都可以稱之為模式；狹義地說，模式是通過對具體的個別事物進(jìn)行觀測所得到的具有時間和空間分布的信息；把模式所屬的類別或同一類中模式的總體稱為模式類（或簡稱為類）。而“模式識別”則是指在某些一定量度或觀測基礎(chǔ)上把待識模式劃分到各自的模式類中去。

模式識別的方法，即數(shù)據(jù)聚類、神經(jīng)網(wǎng)絡(luò)、統(tǒng)計分類和結(jié)構(gòu)（句法）模式識別。用于圖像識別的方法主要分為決策理論和結(jié)構(gòu)方法。決策理論方法的基礎(chǔ)是決策函數(shù)，利用它對模式向量進(jìn)行分類識別，是以定時描述（如統(tǒng)計紋理）為基礎(chǔ)的；結(jié)構(gòu)方法的核心是將物體分解成了模式或模式基元，而不同的物體結(jié)構(gòu)有不同的基元串（或稱字符串），通過對未知物體利用給定的模式基元求出編碼邊界，得到字符串，再根據(jù)字符串判斷它的屬類，這是一種依賴于符號描述被測物體之間關(guān)系的方法。

在20世紀(jì)70年代，波蘭學(xué)者Pawlak Z和一些波蘭的邏輯學(xué)家們一起從事關(guān)于信息系統(tǒng)邏輯特性的研究。粗糙集理論就是在這些研究的基礎(chǔ)上產(chǎn)生的。1982年，Pawlak Z發(fā)表了經(jīng)典論又Rough Sets，宣告了粗糙集理論的誕生。此后，粗糙集理論引起了許多科學(xué)家、邏輯學(xué)家和計算機研究人員的興趣，他們在粗糙集的理論和應(yīng)用萬面作了大量的研究工作。

1991年，Pawlak Z的專著和1992年應(yīng)用專集的出版，對這一段時期理論和實踐工作的成果作了較好的總結(jié)，同時促進(jìn)了粗糙集在各個領(lǐng)域的應(yīng)用。此后召開的與粗糙集有關(guān)的國際會議進(jìn)一步推動了粗糙集的發(fā)展。越來越多的科技人員開始了解并準(zhǔn)備從事該領(lǐng)域的研究。目前，粗糙集已成為人工智能領(lǐng)域中一個較新的學(xué)術(shù)熱點，在模式識別、機器視覺、知識獲取、決策分析、過程控制等許多領(lǐng)域得到了廣泛的應(yīng)用。