При рассмотрении процессов обработки изображений для разных технических систем (например, это касается аэрокосмических комплексов по мониторингу Земли, в радиолокации, медицине, гидролокации, технической диагностике), довольно большое значение построение соответствующих математических моделей наблюдаемых данных. В компьютерных системах данные рассматриваются как цифровые потоки с большой плотностью. Из этого вытекает необходимость обеспечения соответствующих вычислительных ресурсов по мере усложнения математических моделей. Иногда математические модели не могут быть реализованы на базе одного, бывает необходимость применения кластеров..
Поэтому актуальной задачей является формирование требуемых методов для проведения обработки, передаче и хранения необходимых объемов данных, которые связаны с изображениями разной природы.
Когда рассматривается задача, то в ней требуется выделить адекватные модели наблюдения. Из практики видно, что сейчас нет существует универсальных способов по решения проблем для весьма широких диапазонов характеристик. Необходимо понимать, что каждая из моделей содержит в себе ограничения касающихся конкретных условий.
Изображения можно подвергать воздействию разных помех. Используют соответствующие способы. Рассмотрим следующие из них.
1. Важно иметь достаточно большой объем начальных данных. В таких случаях удобно использовать способы фильтрации (фильтр Винера, Калмана и т.д.).
2. Выделение отдельных областей на изображении и их обработка. Понятно, что при этом за счет относительно небольшого числа данных уменьшается объем вычислений. Среди примеров, например, можно отметить проведение подбора по контрасту изображения.
3. Можно осуществлять сглаживания по наиболее неоднородным окрестностям центральных точек.
4. Есть возможности по аппроксимациям характеристик изображения. При этом происходит разбиение целого изображения на отдельные части, для каждой из них осуществляется аппроксимация на основе полинома, например, в рамках метода наименьших квадратов.