Вероятностные, статистические модели изображений . вероятностные, статистические модели изображений Вероятностные (статистические) методы моделирования изображений являются наиболее обсуждаемой темой в литературе по моделям изображений. Появившиеся в последнее время многочисленные работы посвящены широкому кругу частных проблем (стр. 3 )

3.1. Weighted variational model for selective image segmentation with application to medical images / ●  Chunxiao Liu, ●  Michael Kwok-Po Ng, ●  Tieyong Zeng // ●  Pattern Recognition,
●  Volume 76, ●  April 2018, ●  Pages 367-379. - https://ac. /S0031320317304715/1-s2.0-S0031320317304715-main. pdf?_tid=6365ae02-ebc0-11e7-9e81-00000aab0f01&acdnat=1514459899_d777ba15d1dc7724783626f51e954847
A new variational selective segmentation model which contains both the edge information and the marker points is proposed.
Selective image segmentation is an important topic in medical imaging and real applications. In this paper, we propose a weighted variational selective image segmentation model which contains two steps. The first stage is to obtain a smooth approximation related to Mumford-Shah model to the target region in the input image. Using weighted function, the approximation provides a larger value for the target region and smaller values for other regions. In the second stage, we make use of this approximation and perform a thresholding procedure to obtain the object of interest. The approximation can be obtained by the alternating direction method of multipliers and the convergence analysis of the method can be established. Experimental results for medical image selective segmentation are given to demonstrate the usefulness of the proposed method. We also do some comparisons and show that the performance of the proposed method is more competitive than other testing methods.

N. H. Kaplan. Remote sensing image enhancement using hazy image model // Optik - International Journal for Light and Electron Optics. - Volume 155, February 2018, Pages 139-148
Proposed method uses the hazy image model for image enhancement. Hazy image model consist of two unknown parameters, the global airlight and the transmission map. The proposed method determines the global airlight and the transmission map, by using simple statistical values (the standard deviation and the mean value) of the original image. Che-Yen Wen, Chun-Ming Chou. Color Image Models and its Applications to Document Examination // Forensic Science Journal 2004;3:23-32. – http://fsjournal. cpu. edu. tw/content/vol3.no.1/03.pdf

In this paper, we review some color image models and explain how we apply the image segmentation method to analyze overlapped patterns in the document examination. Synthetic images and one real case image are used to show the capability of the image segmentation method

William O’Neill, Richard Penn, Michael Werner, and Justin Thomas. A theory of fine structure image models with an application to detection and classification of dementia // Quantitative Imaging in Medicine and Surgtry. -  v.5(3); 2015 Jun. – P. 356-367. – https://www. ncbi. nlm. nih. gov/pmc/articles/PMC4426107/.
We show gray scale and color images are special cases of 2D systems satisfying a particular autoregressive partial difference equation which estimates an analogous partial differential equation. Several applications to medical image modeling and classification illustrate the method by correctly classifying demented and normal OLS models of axial magnetic resonance brain scans according to subject Mini Mental State Exam (MMSE) scores. Сергеева, Екатерина Александровна. Модели световых полей и изображений для задач оптической томографии биологических тканей // Научная библиотека диссертаций и авторефератов. – Н. Новгород, 2008. – disserCat http://www. /content/modeli-svetovykh-polei-i-izobrazhenii-dlya-zadach-opticheskoi-tomografii-biologicheskikh-tka#ixzz50krLLqWe
Цель работы - разработка аналитических моделей светового поля в средах с сильно анизотропным рассеянием и слабым поглощением, применимых в широком диапазоне оптических глубин, и совершенствование на их основе моделей изображений этих сред применительно к задачам оптической томографии биологических тканей. В том числе:
- построены модели изображения поглощающей сферической неоднородности в толстых образцах биологических тканей, формируемого методом двухпозиционной оптической диффузионной томографии с модулированной подсветкой в просветной и отражательной геометриях;
- разработаны модели изображений стратифицированной мутной среды, формируемых методом оптической когерентной томографии, учитывающие влияние формы индикатрисы малоуглового рассеяния на характеристики изображения и эффекты многократного рассеяния на большие углы. , . Мультимодальная тематическая модель текстов и изображений на основе использования их векторного представления. – Машинное обучение и анализ данных, 2016. Том 2, № 4. С. 421-440. - http://jmlda. org/papers/doc/2016/no4/Smelik2016Multimodal. pdf.
Предложен подход к построению такой модели на основе векторного представления текстов и изображений. Векторы значимых слов строятся за счет применения Word2Vec, для изображений как выход последнего неполносвязного слоя сверточной нейронной сети. Предложен алгоритм обучения тематической модели по коллекции аннотированных изображений, а также алгоритмы аннотирования нового изображения и иллюстрирования нового текста. Эксперименты показали, что предложенная модель превосходит аналоги в задаче аннотирования изображений и иллюстрирования текстов. , . Топологическая модель изображений отпечатков пальцев  // Системы и средства информ., 2013, том 23, выпуск 2, страницы 22–34.
Предложена новая модель изображения отпечатка пальца, в состав которой входят геометрические и топологические характеристики окрестностей частных признаков. Для построения модели изображения отпечатка пальца в окрестности каждого частного признака — разветвления или окончания папиллярной линии — исследуются топологические отношения между этими признаками. Примером топологического отношения является факт расположения двух частных признаков на одной папиллярной линии. В. Осетров. Определение доминирующих признаков классификации и разработка математической модели изображений мимики. - https://habrahabr. ru/post/229817/
Разработка математической модели изображений движения мимики основана на системе активных контурных моделей бинаризации исследуемого объекта. Так как данная математическая модель позволяет после смены цветового пространства с RGB в цветовую модель YCbCr осуществлять эффективное преобразование интересуемого объекта, для последующего его анализа на основе активных контурных моделей и выявления четких границ мимики после соответствующих итераций изображения. Применение графовой модели и априорного классификатора для сегментации изображения в задачах распознавания лица человека // Интернет-журнал «НАУКОВЕДЕНИЕ» Том 7, No2 (2015) http://naukovedenie. ru/PDF/130TVN215.pdf (доступ свободный). Загл. с экрана. Яз. рус., англ. DOI: 10.15862/130TVN215
Статья посвящена исследованию априорного классификатора для сегментации изображения, который основан на разрывности и неоднородности изображения. Предложено представление изображения в виде графовой модели и ее использование для сегментации. В статье приведено описание действий над графовой моделью. Описан математический аппарат для предлагаемого классификатора. Опытным путем определена точность классификатора, исходя из таких количественных характеристик как количество ложных срабатываний и количество верных срабатываний.
операционно ориентированные модели изображений, то есть модели, направленные на класс задач обработки изображений (сегментация, построение контуров)

Наиболее популярным классом задач, для которых разрабатываются модели, является сегментация изображений. Этой теме посвящены работы [4.6, 4.9, 4.10, 4.12, 4.13]. К проблемам улучшения изображений относятся работы [4.4, 4.8]. Частным случаем улучшения является удаление шума [работы 4.7 и 4.11], включая определение уровня шума на изображении [4.1]. В работах [4.2, 4.3, 4.5] строются модели изображений, которые рассматриваются как изображаемые объекты и описывают их содержание для задач поиска и осмысления изображений.

4.1. A spatially cohesive superpixel model for image noise level estimation / Peng Fu, Changyang Li, Weidong Cai, Quansen Sun // Neurocomputing, Volume 266, 29 November 2017, Pages 420-432. – https://ac. /S0925231217309207/1-s2.0-S0925231217309207-main. pdf?_tid=efbcc1b0-ebcf-11e7-9665-00000aab0f02&acdnat=1514466577_175f872934d81ca57de86414e9bf4122
Estimating image noise levels is a critical task for many image processing applications, where the detection of homogeneous regions always plays a key role. Most conventional methods empirically divide the images into rectangular blocks and then select the most homogeneous ones. However, this approach may result in erroneous homogeneity detection, especially in the case of highly textured images. To address this challenge, a spatially cohesive superpixel model is proposed in this paper, which can decompose a noisy image into patches that adhere to local structures and hence tend to exhibit increased homogeneity. A new similarity measure is also defined, to make the superpixel model more robust to bined with histogram-based homogeneous superpixel selection and filter-based noise level calculations, our method can accurately estimate the noise level of images with various noise intensities and different image complexities. Moreover, the method is extended to the signal-dependent noise case, which is usually the case of hyperspectral images. Experiments demonstrate that the proposed method outperforms the state-of-the-art methods.

4.2. Statistical modeling for automatic image indexing and retrieval / Baopeng Zhang, Hangzai Luo, Jianping Fan// Neurocomputing, Volume 207, 26 September 2016, Pages 105-119. - https://ac. /S0925231216302946/1-s2.0-S0925231216302946-main. pdf?_tid=af7751fc-ebc9-11e7-a34f-00000aab0f02&acdnat=1514463892_baf688a3eccb285fe5c7f978dc12e22a
In this paper, a statistical modeling algorithm is developed to achieve automatic detection of object classes and image concepts via partial similarity matching. For a given image, its statistical image model is automatically learned by using a finite mixture model to approximate the distribution of its image pixels in the 10-dimensional feature ch statistical image modeling process can also achieve automatic image segmentation implicitly. To achieve more precise matching between the mixture components and the local distributions of the relevant image pixels, an adaptive EM algorithm is developed to simultaneously select the model structure (i. e., the optimal number of mixture components) and estimate the model parameters (i. e., locations and statistical properties of the mixture components) according to the local distributions of the relevant image pixels. For a given image concept or object class of interest, its statistical concept model is automatically learned from the statistical image models for the labeled training images. Finally, similarity matching for automatic detection of object classes and image concepts is treated as a partial model matching problem, i. e., matching between the statistical image model for a given test image and all the statistical concept models for the object classes and image concepts of interest.