随着信息技术的发展，图像模式识别在工农业生产、医疗、交通等领域中的应用越来越广泛，成为各智能自主系统中的重要部分。图像模式识别系统能够模拟人类完成特定任务，它利用成像系统代替视觉器官作为输入，由计算机来代替大脑完成处理和解释。 本文提出了基于对象表达的图像模式识别框架。该框架由对象表达系统，对象辨识系统，对象解释系统，知识系统等模块组成，并融合了图像模式识别的一般过程，加入了知识系统，抽象出了对象表达的概念，以指导具体的图像模式识别过程。本框架利用知识系统的指导，提取出图像中感兴趣的元素，并利用知识系统中知识的表达方法将图像元素转化为对象，再对对象进行划分，最后利用已有的知识，对划分后的对象反映射到图像域进行解释。 在基于对象表达的图像识别框架的指导下，实现了水果目标定位和水果分级以及缺陷检测。在水果目标定位和分级检测中，利用知识系统的指导，控制摄像机的摆放方式获取原始图像，以准确的提取水果图像中的图像元素，并将图像元素表达为对象，经过知识系统对对象的多次迭代的学习，利用所得到的参数就可以对对象进行准确的划分，然后将划分后的结果映射到原图像，以完成对水果的等级划分与缺陷检测，同时，也证明了框架的有效性与实用性。 在基于对象表达的图像识别框架的指导下，针对水果的特殊性，提出了基于生成树的图像细化算法、基于VH坐标系的彩色图像分割算法，以及内径圆模板分割法。生成树的图像细化算法，能够对二值图像完全细化；基于VH坐标系的彩色图像分割算法，是通过统计试验，找出生物表面对彩色特征敏感的彩色变换域分量，对水果前景进行快速分割的方法；内径圆模板分割法是针对类圆形水果的快速分割方法。在水果表面缺陷检测中，提出特征表达方式：“数量一程度”空间，以及数量与程度两个分量的获取、变换表达等环节，它是准确描述水果的表面缺陷的大小与程度的模型。提出了广义贝叶斯网理论，对其进行了严格的定义，并定义了广义贝叶斯网的知识存储与演化的基本运算。当广义贝叶斯网的每个结点都是元知识结点时，广义贝叶斯网就退化为贝叶斯网，所以贝叶斯网是广义贝叶斯网的特殊情况。利用广义贝叶斯网构造的知识系统，能够达到知识存储和知识演化的目的。