模式识别可以分成两种，一种称为 统计方法（或几何法） ，另一种称为 语言方法（或结构法） 。

统计方法 ：
统计方法重要的是找出能反应图像特点的特征度量，把图像数据进行信息压缩，来抽取图像的特征，如果抽取N个特征能够基本描绘出原来的图像，那么图像就可以应用N维向量来代表。对图像分类就相当于把特征空间划分为若干部分，当输入一个图像时，就根据相应的特征向量属于特征空间的哪一部分而决定属于哪一类。如下图所示：

语言方法：
对于某些图像识别问题，描绘图像结构信息非常重要，不仅要求判断图形属于哪一类，而且能够描绘使该图形不属于其他类的性能。图片识别或者更广泛的景象分析就属于此，在这类问题中，面对的图像非常复杂，所描绘他的特性度量的数目非常大，于是着眼于借助简单子图像来描述一幅复杂的图像。
如下图所示：

图像描述 就是讲一幅图像拆分成最简单最基本的元素，这就好像语言的组成，例如英文句子由短语组成，短语又由单词组成，一幅图像就相当于由某种文法规则组成的句子，图像的元素就相当于组成句子的基本单元即单词。由图像元素构成的规则，就相应地叫做图像描述语言的文法（ 文法的内容将在后面讲到 ）。识别一张图像，首先就是识别图像元素，然后图像识别的过程就是剖析描述该图像的句子，来判断在语法上是否正确，识别图像元素当然要比识别图像本身容易很多。这种方法考虑用简单的图像元素的集合加上文法规则，而文法规则可以反复使用，于是就可以描述大量复杂图像。

如下图所示

1. 基元选择尚无通用的方法
2. 文法推断理论远不及统计学习发展得成熟

20世纪50年代中期 乔姆斯基（Chomsky） 提出的 形式语言

句法模式识别用小而简单的基元与语法规则描述和识别大而复杂的模式，通过对基元的识别，进而识别子模式，最终识别复杂模式