کاربرد زنجیره‌های مارکف در بهبود تصویر

ابزارهای پردازش تصویر تصادفی در پردازش تصویر به طور گسترده ای مورد استفاده قرار می گیرند [۱-۱۰]. هدف اصلی ،توسعه یک مدل قوی با حداقل پیچیدگی و حداقل هزینه محاسباتی است. در این مقاله، یک ابزار مدلسازی تصادفی مبتنی بر زنجیره‌های مارکوف، که برای حذف نویز تصویر اعمال می‌شود، پیشنهاد شده‌ است. فرآیند مارکوف یکی از روش‌های مدلسازی ریاضی در تئوری تصادفی است. این نام از ریاضیدان روسی آندره آندریویچ مارکوف (۱۸۵۲-۱۹۲۲) گرفته شده است که اولین اثر را در این موضوع منتشر کرد [۱۱]. خاصیت اصلی یک فرآیند مارکوف این است که حافظه ای ندارد. به این معنی است که گذشته و آینده فرایند متقابلا مستقل هستند و تنها زمان حال می‌تواند بر آینده تاثیر بگذارد [ ۱۲ ].

Stochastic image processing tools have been widely used in digital image processing in order to improve the quality of the images. Markov process is one of the well-known mathematical modeling tools in stochastic theory. In this study, a Markov chain model has been developed and applied to image denoising. The transition probabilities were obtained from Fokker–Planck diffusion equation. According to the results, the proposed Markov chain model supplies very good peak signal to noise ratio values along with low computational cost.