Заключение

Проведенные за последние годы теоретические и экспериментальные исследования показали перспективность байесовского подхода на основе моделей однородных МСП в приложении к описанию, моделированию и обработке тоновых и многозональных цифровых снимков. Гиббсовские модели МСП позволяют выразить общие свойства сигналов снимка в более легко формализуемых терминах структуры и интенсивности локальных взаимодействий сигналов в элементах растра. Такие модели впервые были предложены и изучены в статистической механике, но их использование в вычислительном зрении отличается своими особенностями, в частности, возможностью обучения, или настройки модели на определенные реальные изображения путем выбора системы клик, функций потенциалов и оптимального статистического оценивания управляющих параметров, возможностью экспериментального изучения модели на основе порождения и сравнения выборочных реализаций с реальными изображениями и др.

Рассмотренный байесовский подход переносит решение задач вычислительного зрения нижнего уровня в хорошо изученную область прикладной статистики и статистического распознавания образов и, в свою очередь, формирует новые направления исследований в этих областях. В результате большая часть задач вычислительного зрения приобретает более строгие постановки и обоснованные алгоритмы решения по сравнению с сугубо эвристическими приемами, типичными для многих современных работ по цифровой обработке изображений.