4.3. Заключительные замечания

Рассмотренный круг моделей случайных полей не является исчерпывающим. Модели высших порядков могут обеспечить лучшую аппроксимацию реальных изображений. Однако выбор модели обусловлен, помимо требования точности описания, возможностью построения эффективного алгоритма обработки [8, 11, 31]. С учетом этого рассмотренные модели хорошо соответствуют реальным данным, обладают существенными преимуществами с вычислительной точки зрения, позволяя строить рекуррентные процедуры оценивания и использовать при обработке быстрые спектральные преобразования [8].

Многомерные случайные поля стали объектом исследований сравнительно недавно, и именно этим объясняется далекое от завершения, а во многих случаях  носящее постановочный характер, изложение рассмотренных ММ на пространственных сетках.  При отборе вероятностных моделей случайных полей  в данной работе предпочтение было отдано таким методам представления случайных полей на многомерных сетках, которые позволяют дать наиболее простое и, вместе с тем, полное вероятностное описание случайных полей, позволяющее решать разнообразные задачи статистического синтеза и анализа систем.  В результате за рамками изложения остались важнейший класс гиббсовских случайных полей [30], имитация которых во многих случаях требует больших вычислительных затрат, а также множество моделей, например, волновых [20] и тензорных [20, 31], которые применяются в задачах статистического моделирования для оценки эффективности и устойчивости алгоритмов, предназначенных для практического использования.