这是一个假设生成图像的概率模型。为了对某些图像处理任务的性能进行理论计算，例如对图像进行 DCT 变换以进行数据压缩，使用简单的数学方程对图像进行建模。

马尔可夫图像生成模型用于生成相邻样本之间相关性足够高的图像。因此，这种高相关性被 DCT 等变换有效利用，以实现接近非实用 KLT（Karhunen Loeve 变换）可用的最大值的压缩比

据我所知，它与马尔可夫领域关系不大。假设样本之间存在线性相关性，这种马尔可夫源模型的最简单的一维示例如下：

这个简单的依赖关系清楚地表明，当前样本 x[n] 是从过去的样本 x[n-1] 加上白噪声样本 w[n] 产生的，其中$\rho$是相关因子，当它接近 1 时，样本高度相关，当它接近 0 时，样本变得更加嘈杂且不相关。

对于真实图像，由于图像的非平稳性，这样的模型只能在很短的时间内预测样本。这就是为什么将基于 DCT 的变换应用于短长度的块（例如 8x8 像素）的原因之一。