تنوع و پیچیدگی بسیار زیاد اشیاء و پدیده ها در طبیعت باعث می گردد خصوصیات توصیفی این عوارض ، غیر قابل مدل سازی ریاضی و پیش بینی باشند . از اینرو روشهای پارامتریک مطرح در بینایی کامپیوتر که سعی بر توصیف اشیاء بر مبنای یک فرمول سازی ریاضی را داشته و به علت عدم توانایی یادگیری ، به حل مسئله در یک حالت ایستا می پردازند، نمی توانند در عمل به عنوان یک راه حل کارا در استخراج و تشخیص پدیده های موجود در طبیعت مطرح گردند. در این نوشته برای اولین بار روشی پویا بر مبنای بکارگیری منطق فازی به منظور بیان خصوصیات اشیاء و بکارگیری مفاهیم ادغام در دو سطح داده ها و منطق ها در روند استنتاج ، به منظور استخراج و تشخیص اشیاء سه بعدی ارائه گردیده است. با ادغام اطلاعات و داده های مختلف ،از تمام اطلاعات جمع آوری شده در رابطه با شِی استفاده گردیده و با ادغام منطق فازی و ساختار یادگیری شبکه های عصبی ، روش فوق از قابلیت تطبیق پذیری و یادگیری اطلاعات جدید برخوردار گردیده است . نتایج حاصل از بکارگیری روش ارائه شده در رابطه با اشیاء از نوع ساختمان، درخت و ماشین از تصاویر هوایی رنگی ، بیانگر قابلیت بالای این روش در استخراج و تشخیص عوارض سه بعدی است.
)