图像分析是用模式识别和人工智能方法对物景进行分析、描述、分类和解释的技术，又称景物分析或图像理解。
图像分析
20世纪60年代以来，在图像分析方面已有许多研究成果，从针对具体问题和应用的图像分析技术逐渐向建立一般理论的方向发展。图像分析同图像处理、计算机图形学等研究内容密切相关，而且相互交叉重叠。但图像处理主要研究图像传输、存储、 增强和复原；计算机图形学主要研究点、线、面和体的表示方法以及视觉信息的显示方法；图像分析则着重于构造图像的描述方法，更多地是用符号表示各种图像，而不是对图像本身进行运算，并利用各种有关知识进行推理。图像分析与关于人的视觉的研究也有密切关系，对人的视觉机制中的某些可辨认模块的研究可促进计算机视觉能力的提高（见机器视觉）。
分析过程 下图为一个分级的图像分析过程的模型。图像分析基本上有四个过程。①传感器输入：把实际物景转换为适合计算机处理的表达形式，对于三维物景也是把它转换成二维平面图像进行处理和分析（见图像表示）。②分割：从物景图像中分解出物体和它的组成部分（见图像分割）。组成部分又由图像基元构成。把物景分解成这样一种分级构造，需要应用关于物景中对象的知识。一般可 以把分割看成是一个决策过程，它的算法可分为像点技术和区域技术两类。像点技术是用阈值方法对各个像点进行分类，例如通过像点灰度和阈值的比较求出文字图像中的笔划。区域技术是利用纹理、局部地区灰度对比度等特征检出边界、线条、区域等，并用区域生长、合并、分解等技术求出图像的各个组成成分。此外，为了进一步考察图像整体在分割中的作用，还研究出松弛技术等方法。③识别：对图像中分割出来的物体给以相应的名称，如自然物景中的道路、桥梁、建筑物或工业自动装配线上的各种机器零件等。一般可以根据形状和灰度信息用决策理论和结构方法进行分类，也可以构造一系列已知物体的图像模型，把要识别的对象与各个图像模型进行匹配和比较。④解释：用启发式方法或人机交互技术结合识别方法建立物景的分级构造，说明物景中有些什么物体，物体之间存在什么关系。在三维物景的情况下，可以利用物景的各种已知信息和物景中各个对象相互间的制约关系的知识。例如，从二维图像中的灰度阴影、纹理变化、表面轮廓线形状等推断出三维物景的表面走向；也可根据测距资料，或从几个不同角度的二维图像进行景深的计算，得出三维物景的描述和解释。