本講義では、ベイズ推定に基づく画像処理手法であるベイズ画像処理について扱います。
　ベイズ推定とは事後確率分布を用いてデータから統計的な判断を支援する数理的枠組みであり、ベイズ画像処理はこのベイズ推定の考え方を画像処理の問題に応用したものです。確率分布を用いた確率的な方法であるため、ノイズや関係性のような画像処理で考慮しなければならない「不確かさ・曖昧性」を確率という自然な形で扱うことができます。ベイズ画像処理のようなベイズ推定の応用では、事後確率分布に関する議論が中心となるため、確率分布からの推定法や確率分布をどう設計するかの設計方法が重要になります。
　本講義では基本的な画像処理問題を題材にモンテカルロ法や変分推論といった確率分布からの推定法や確率的グラフィカルモデルを用いた事後確率分布の設計方法について解説していきます。また、重要な部分ではプログラミングによる実装例についても紹介していきます。内容の性質上数式が多数登場しますが、本講義では数学的な前提は必要最小限に留めて講義を進めていきます。

1. 画像処理
   1. 画像処理とは
   2. 画像処理の問題設定
   3. 画像処理と不確かさ
2. 確率分布の基礎
   1. 確率分布とは
   2. 確率分布の計算法
   3. 基本的な確率分布
3. ベイズ推定と画像処理
   1. ベイズ推定とは
   2. ベイズ推定の画像処理への応用
   3. 確率的グラフィカルモデルを用いた確率分布の設計法
4. ベイズ画像処理での推定法
   1. ベイズ画像処理の難しさ
   2. 最適化法の利用
   3. マルコフ連鎖モンテカルロ法
   4. 変分推論の方法
5. まとめ