Image Analysis, Random Fields and Dynamic Monte Carlo Methods

Denne boken tar for seg en probabilistisk tilnærming til bildeanalyse, som først ble initiert av U. Grenander, D. Geman og S. Geman, samt B.R. Hunt og flere andre. Konseptet ble videreutviklet og popularisert av D. Geman og S. Geman i en banebrytende artikkel fra 1984. Teksten adopterer den bayesianske paradigmen, og blir derfor kjent som 'Bayesiansk bildeanalyse'. Interesse for førermodeller og spesielt diskrete Markov random field metoder har økt betydelig og fortsetter å vokse. I motsetning til mange ad hoc-teknikker som ofte brukes i bildeanalyse, gir bayesiansk bildeanalyse et allsidig rammeverk som omfatter ulike problemstillinger innen bildeteknikk. Dette inkluderer tradisjonelle applikasjoner som bildeoppretting, kantdeteksjon, teksturdiskripsjon, bevegelsesanalyse og tomografisk rekonstruksjon. Faget har tatt store steg fremover, og i nær fremtid vil det sannsynligvis bli tilpasset høyere nivåapplikasjoner som objekgjenkjenning. Fascinerende eksperimenter utført av Y. Chow, U. Grenander og D.M. Keenan i henholdsvis 1987 og 1990 gir sterk støtte til denne utviklingen.