Mean Shift图像分割+文献综述(2)
图像分割指的就是将图像中所有像素点根据其具有的不同特征将其分割成一个个不同的区域，在这些区域内的所有像素点都满足各自区域的一致性。图像分割是对图像进行分析之前的关键步骤，很多图像分析方法都要基于已经被分割成一个个区域的图像来做的。而对于基于图像分割的结果来做的工作，例如特征提取，目标识别等，它们的效果好坏很大一部分就取决于图像分割的质量好坏。
随着计算机邻域的飞速发展，图像分割技术也在不断得被人们完善着，从而逐渐形成了一个新的学科。数字图像分割无论是在实际生活中还是在科研工作中都有着非常重要的意义，它的主要功能就是修改图形、改善图片的质量，或者是根据人们的要求从图像中提取出对人们有用的信息。不得不说，图像分割技术已经延伸到我们生活的方方面面，在自动化工业、图像文档处理、遥感以及分析生物医学图像等方面得到了很广泛的应用。
总得来说，在图像应用领域中，只要对图像中的目标进行提取，测量等都离不开图像分割技术。现今社会，图像分割已经是一个很重要的部分，影响到我们社会中的方方面面，图像分割也就成为了一个重要课题。
1.1.1 课题简介
Mean Shift算法并不算一种很新颖的特征空间分析算法，但是它的原理简单，计算速度也较快，一般能在一次分割后形成大量小的模态区域。而这个特点也正式图像处理最终结果所需要的特点。近些年来，人们对Mean Shift算法的研究也有了很大的突破，而把Mean Shift应用于图像分割的技术也日渐趋于成熟。随着科学的发展，各种摄像工具像素的不断提高，图片的质量也不断得提高，图像的复杂度也慢慢变大。这样的变化也给我们带来了好处，我们可以通过图像更好地了解这个世界。图像越复杂，也就导致了图像分割的难度也越大，而同时，社会对图像分割的要求也会越来越高，图像分割技术也在发生着翻天覆地的变化。
目前，图像分割的方法有很多种，每种算法都有自己的优点，也有自己的缺点，Mean Shift算法也在图像分割中占据了一个非常重要的地位。但是，现在存在的问题是，人们对图像分割结果的好坏也没有一个公认的标准，这是一个值得研究的问题。
1.1.2 课题意义
目前，人们对于灰度图像的分割，已经有了相当多的认知，也有了很多的成果结论，然而对于彩色图像的分割，由于图像颜色比较复杂，运算量也比较大，所以虽然对其研究也不少，但是成果也不是很多。彩色图像比灰度图像包含更多有用的信息，因此，对彩色图像分割进行研究是非常有必要的。图像分割是对图像进行分析前的关键步骤，很多分析算法要基于分割后的图像，所以在图像工程中，图像分割还是占有相当重要的位置。由于彩色图像本身数据量较大（灰度图像是一文矩阵，而彩色图像则是三文矩阵），导致区域划分的过程需要很大的计算量。因此，为了提高图像分割的速度，人们提出对于彩色图像，使用Mean Shift算法对其进行分割。其实无论是哪种算法，它们的目的都是一样的，就是提高分割质量，并且提高分割效率。图像分割不仅是图像处理过程中的一个关键技术，其实也一直是一个经典难题，因为到现在也没有一个通用的方法，可以对所有图像都有一个不错的分割效果，更为关键的是至今还没有一个公认的判断分割结果好坏的标准。
1.2 发展状况
图像分割作为图像处理过程中的核心技术之一，在近些年来取得了很多不错的成果。图像分割技术也渐渐随着图像处理技术的发展而不断被我们完善着。如果要开拓更广泛的应用领域，则需要进一步地研究如下方面：