这篇论文对图像挖掘以及模式发现问题进行了一些初步研究.图像挖掘以及模式发现问题是计算机视觉以及模式识别领域的新课题.目前国际学术界对于这个方向的研究还不多,尚处于刚起步的阶段.在图像数据中进行信息挖掘是非常有意义的,而模式发现则是图像挖掘的重要手段之一.成功及合理的图像挖掘有助于图像理解以及后续的图像处理.该文首先对目前国际学术界对图像挖掘以及模式发现所进行的研究的方法及成果进行了综述性的总结和比较,然后给出了两种基于图论模型对解决该问题所提出的方法.第一种方法提出了一种非精确最大公共子图算法,该算法可以用来在多幅图像中进行模式发现.该方法使用属性关系图对原始图像进行建模及数据表示.该方法假设它所使用的算法所发现的子图所表示的正是输入图像的共同模式.该工作发表在[JN03].该文提出的第二种方法使用了迭代的二部图匹配算法进行多幅图像的共同模式的自动发现.不同图像中模式的不同出现可以有不同的姿态以及大小.与前人的方法不同,该方法不包含图像分割.输入图像首先被划分为小的方块,然后用二部图中的顶点来表示这些方块,接着用最大带权二部图匹配算法以及普克拉提斯分析方法的交替迭代算法来计算最佳变换.该方法可以处理平移、旋转以及缩放变换,并且对扭曲以及遮挡都比较鲁棒.对该方法进行小量修改之后可以用来解决一些计算机视觉中经典以及基础的问题,包括图像配准以及模式检测与定位.实验结果证实了该方法的效率和效果.该工作发表在[JN04].