一、模式識別(Pattern Recognition)就是機器識別、計算機識別或機器自動識別，目的在於讓機器自動識別事物。模式識識別的研究內容是利用計算機對客觀物體進行分類，在錯誤概率最小的條件下，使識別的結果儘量與客觀事物符合。
模式的描述方法
在模式識別技術中，被觀測的每個對象稱爲樣品。通過對樣品部識別有關的因素作爲研究的根據，每一個因素稱爲一個特徵。模式就是樣品所具有的特徵描述。模式的特徵集由處於同一個特徵空間的特徵向量表示，例如：如果一個樣品X有n個特徵，則可把X看做一個n維向量，該向量X稱爲特徵向量記：
|
x1 x2 … xn |
X= =（x1,x2…,xn）T
抽取圖像特徵，將圖像變成n維空間的一個向量，之後用數學的方法進行運算，判別樣品X爲模式的哪一類。如果一個對象的特徵觀察值爲{x1,x2,…,xn},它可以構成一個n維的特徵向量值X，即X=（x1,x2…,xn）T，式中x1,x2…,xn爲特徵向量X的各個分量，而這個向量空間稱爲特徵空間Rn。在模式識別中，要對許多具體對象進行測量，以獲得觀測值，其中常用的有均值、方差、協方差和協方差矩陣。
2模式識別系統
一個典型的模式識別系統如圖：
|
分類決策 |
|
數據獲取 |
|
預處理 |
|
特徵提取 |
|
訓練樣本輸入 |
|
特徵提取 |
|
分類結果 |
|
確定判別函數 |
|
改進判別函 |
|
誤差檢驗 |
|
預處理 |
|
分類器設計 |
系統上半部分完成未知類別模式分類，下半部分屬於設計分類器的訓練過程，利用樣品進行訓練，確定分類器具體參數，完成分類器的設計。
數據獲取：用計算機可以運算的符號來表示所研究的對象。
預處理：對輸入測量儀器或其他因素所造成的退化現象進行復原，去噪聲，提取有用信息。
特徵提取：對原始數據進行變換，得到能反映分類本質的特徵。
分類決策：在特徵空間中用模式識別方法把被識別對象歸爲某一類別
分類器設計：基本做法是收集樣品訓練集，在些基礎上確定判別函數，改進判別函數的誤差檢驗。