为了使机器更好地模仿人们的思维方法，对模糊和不确定的事物进行识别和分类，提出了一种模糊粗糙关联方法来解决这一问题。 但是，模糊粗糙集（FRS）的应用将主要介绍模式识别。 讨论了有关FRS的一些相关理论，并给出了一些有关模式识别的模糊粗糙数学方法。 然后，将介绍FRS在图像处理和识别中的具体应用。 仿真结果表明，通过与单个神经网络及其他识别装置的比较，该模糊粗糙关联方法不仅速度快，而且更接近物体的自然属性进行图像的处理和识别。 识别率约为95.78％。