Рассмотрена древовидная модель соседства элементов марковского случайного поля принадлежностей к текстурным классам как марковская цепь в задаче распознавания растровых изображений. Предложены алгоритмы подбора диагонального элемента марковской матрицы условных вероятностей переходов и весов графов в линейной комбинации для максимизации апостериорных вероятностей скрытых классов.

The tree like graphic model of a Markov random field of hidden classes wasproposed as a Markov chain to recognize the raster textured images. We developed algorithms to select the optimal value of the diagonal element of Markov transition matrix and weights for the linear combination of acyclic adjacency graphs to maximize aposteriori probabilities of hidden classes.