Nous avons comparé les résulats obtenus par approche variationnelle
avec un modèle stochastique Bayésien
4-connexe basé sur la théorie des champs de Markov
(cf. [2] par exemple).
Soit 
l'image de labels que nous cherchons (attribution d'un label à
tous les sites) et 
les observations. On cherche l'estimation 
de
en maximisant (Maximum A Posteriori) la probabilité P(/).
En utilisant la régle de Bayes et d'après les propriétés
des champs de Markov, cela revient à chercher :
et 
sont respectivement le label attribué au site s et l'observation
en s. Conformément au modèle variationnel, le label
attribué au site s prend une des valeurs 
,
i=1..M. L'ensemble C est celui des cliques
considérées. Le paramètre 
représente le poids de la régularisation et l'opérateur 
est la distribution de Dirac telle que :
est le paramètre de température.
La minimisation de E est effectuée par un recuit simulé (avec algorithme de Metropolis).