數字圖像處理、圖像理解與模式識別，這是當今計算機視覺研究的熱點。圖像處理與模式識別在現代信息技術中具有非常重要的作用，同時該研究領域仍然存在大量的研究難題。機器視覺技術主要是針對工業應用領域，但作為視覺系統，所采用的圖像處理、圖像理解與模式識別的基礎理論和技術是相同的。

      圖像的增強、圖像的平滑、圖像的數據編碼和傳輸、邊緣銳化、圖像的分割等在不同的研究目標和應用中會采取不同的方法，也在不斷出現新的研究成果。

      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記，它是機器視覺系統必須完成的一個任務。

      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，即數據聚類、神經網絡、統計分類和結構（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構方法。決策理論方法的基礎是決策函數，利用它對模式向量進行分類識別，是以定時描述（如統計紋理）為基礎的；結構方法的核心是將物體分解成了模式或模式基元，而不同的物體結構有不同的基元串（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系的方法。

      在20世紀70年代，波蘭學者Pawlak Z和一些波蘭的邏輯學家們一起從事關于信息系統邏輯特性的研究。粗糙集理論就是在這些研究的基礎上產生的。1982年，Pawlak Z發表了經典論又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家、邏輯學家和計算機研究人員的興趣，他們在粗糙集的理論和應用萬面作了大量的研究工作。

      1991年，Pawlak Z的專著和1992年應用專集的出版，對這一段時期理論和實踐工作的成果作了較好的總結，同時促進了粗糙集在各個領域的應用。此后召開的與粗糙集有關的國際會議進一步推動了粗糙集的發展。越來越多的科技人員開始了解并準備從事該領域的研究。目前，粗糙集已成為人工智能領域中一個較新的學術熱點，在模式識別、機器視覺、知識獲取、決策分析、過程控制等許多領域得到了廣泛的應用。