现代模式识别是在 20 世纪 40 年代电子计算机发明以后逐渐发展起来的。 在更早的时候，已有用光学和机械手段实现模式识别的例子，如在 1929 年 GustavTauschek 就在德国获得了光学字符识别专利。作为统计模式识别基础的多元统计分析和鉴别分析也在电子计算机出现之前提出来了。1957 年 IBM 的 C.K.Chow 将统计决策方法用于字符识别。然而，“模式识别”这个词被广泛使用并形成一个领域是在 20 世纪 60 年代以后。模式识别问题指的是对一系列过程或事件的分类与描述，具有某些相类似的性质的过程或事件就分为一类。目前模式识别问题一般可以应用以下 4 种方法进行分析处理：统计模式识别方法、句法模式识别、人工神经网络模式识别、模糊模式识别。模式识别已经在天气预报、卫星航空图片解释、工业产品检测、字符识别、语音识别、指纹识别、医学图像分析等许多方面得到了成功的应用。所有这些应用都是和问题的性质密切不可分的，至今还没有发展成统一的、有效的可应用于所有的模式识别的理论。当前的一种普遍看法是不存在对所有的模式识别问题都使用的单一模型和解决识别问题的单一技术，我们现在拥有的是一个工具袋，我们所要做的是结合具体问题把统计的和句法（结构）的识别方法结合起来，把统计模式识别或句法模式识别与人工智能中的启发式搜索结合起来，把人工神经元网络与各种以有技术以及人工智能中的专家系统，不确定方法结合起来，深入掌握各种工具的效能和应用的可能性，互相取长补短，开创模式识别应用的新局面。2.3 图像模式识别2.3.1 图像模式识别的基本概念图像在人类的感知中扮演着非常重要的角色，人类随时随处都要接触图像。据统计，在人类接受的信息中，视觉信息占了 70%以上，也就是常说的“百闻不如一见” 。在许多场合，图像所传递的信息比其他任何形式的信息更加丰富和真切。随着数字图像技术的发展和实际应用的需要，出现了另一类问题，就是不要求其结果输出是一幅完整的图像，而是将经过图像处理后的图像，再经过分割和描述提取有效的特征，进而加以判决分类，这就是近 20 年来发展起来的一门新兴技术科学——图像识别。它以研究某些对象或过程的分类与描述为主要内容，以研制能够自动处理某些信息的机器视觉系统，代替传统的人工完成分类和辨识的任务为目的。例如要从遥感图像中分割出各种农作物、森林资源和矿产资源等；根据医学图片分析发生病变的细胞形状和颜色判断是否发生癌变；从气象观测数...
