mean shift算法在彩色图像分割中的应用文献综述.docVIP

文献综述 课题名称： mean shift 算法在彩色图像分割中的应用 学院（系）： 自动化 年级专业： 06级自动化 学生姓名： 卢 斌 指导教师： 张旭光 完成日期： 2010年3月20日 一、课题国内外现状 基于是近年来国际上领域的一个新的研究热点。但由于其涉及的理论知识较多，应用也还处在初级阶段。因此国内这方面的研究报道并不多见Mean Shift算法是一个非常优秀的算法,是国外最近几年才发展起来的。国外研究者比较多,国内的很少,才见有几篇文章发表。初入跟踪领域,走过了很多弯路后,后来在Mean Shift算法上找到了突破口,并在该算法的研究中投入大量的时间 （2）对彩色图像的分割，采用均值偏移算法只需人为设定两个参数： 空间窗宽和色彩窗宽。而根据实验结果，可以得出结论：对于较为简单的图像， 可以选择较的窗宽，这样不但可以得到准确的分割结果，而且耗时 较少； 而对于较为复杂的图像，可以选择较小的窗宽，既能得到较为真实的分割结果，又能节省时间[10] 。在实际应用中，通过实验确定参数更为准确。均值偏移算法得到了越来越多的应用，对该算法的改进主要有两种方向。一是选取不的核函数以期获得更为优越 的性能。本文中选用的 E p a n e c h n i k o v核函数是各向同性函数。特征向量中各个参数权重相同，有时为了侧重表达空间信 息或色彩信息，可以选择各向异性核函数，得到更佳效果：二是寻找更为便捷的搜索算法寻找模式点。提高算法的速度。遍历图像寻找模式点耗时较多，可以随机选取部分像素为初始点。进行均值偏移运算，得到一定数量的模式点，然后根据选定的窗宽对所有像素进行聚类。该方法虽然牺牲了精确性。但可以有效节省时间，获得实时性。在视频分割领域应该可以获得理想的效果可以[11]。 （3）一是对原有算法的不断改进；二是新方法、新概念的引入和多种方法的有效综合运用。人们逐渐认识到现有的任何一种单独的图像分割算法都难以对一般图像取得令人满意的分割效果，因而很多人在把新方法和新概念不断的引入图像分割领域的同时，也更加重视把各种方法综合起来运用[12] 。在新出现的分割方法中，基于小波变换的图像分割方法就是一种很好的方法；三是交互式分割研究的深入。由于很多场合需要对目标图像进行边缘分割分析 :例如对医学图像的分析，因此需要进行交互式分割研究。事实证明，交互式分割技术有着广泛的应用。四是对特殊图像分割的研究越来越得到重视[13] 。目前有很多针对立体图像、彩色图像、多光谱图像以及多视场图像分割的研究，也有对运动图像及视频图像中目标分割的研究，还有对深度图像、纹理图像、计算机断层扫描磁共振图像、共聚焦激光扫描显微镜图像、合成孔雷达图像等特殊图像的分割技术的研究。相信随着研究的不断深入,存在的问题会很快得到圆满的解决[14]。 四、存在问题 分割问题的困难在于图像数据的模糊和噪声的干扰。到目前为止，还没有一种或者几种完善的分割方法，可以按照人们的意愿准确的分割任何一种图像。实际图像中景物情况各异，具体问题具体分析，需要根据实际情况选择适合的方法。分割结果的好坏或者正确与否，目前还没有一个统一的评价判断准则，分割的好坏必须从分割的效果和实际应用场景来判断。不过在人类研究图像的历史中，还是积累了许多经典的图像分割方法。虽然这些分割方法不适合所有类型的图像分割，但是这些方法却是图像分割方法进一步发展的基础。事实上，现代一些分算法恰恰是从经典的分割方法衍生出来的。阮秋琦.数字图像处理学[M].北京：电子工业出版社，2001数字图像处理:MATLAB版/(美) Rafael C. Gonzalez, Richard E. Woods, Steven L.Eddins 著 阮秋琦等译，北京: 电子工业出版社,2005IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, VOL. 17,NO.8,AUGUST 1995. 4 Dorin Comaniciu and Peter Meer. Distribution Free Decomposition of Multivariate Data, pattern AnaiysisApplications. 1999 5 Y. Cheng and K.S. Fu, “Conceptual clustering in knowledge organization,”IEEE Truns.Puttern Analysis und Muchine