Mean Shift图像分割+文献综述(3)
(1)需要进一步地提高精度遗迹处理速度等问题。如在气象云图的处理方面，庞大的数据量导致处理速度跟不上的问题；
(2)加强算法研究，开发新的分割算法，要注意移植以及借鉴其他邻域内的技术和成果，研究新的分割算法；
(3)加强理论方面的研究，努力形成一个图像分割算法自身的理论体系；
(4)需要加强那些边缘学科的研究，促进图像分割的发展。如根据人类的视觉特性以及心理学特性等来研究图像分割算法，如果能有所突破，将会在一定程度上促进图像分割技术的发展；
现实生活中，图像是我们获取信息的主要来源之一，图像信息也在我们获取的所有信息中占有着很大的比例，因此，图像分割的应用必然会涉及到我们现实生活中的各个方面。而且，随着人们活动范围的扩大，小至微观分子学领域，大至航空航天领域，图像分割的应用范围也一定会不断扩大。
1.3 图像分割算法的发展趋势
1.4 图像分割中仍然存在的问题
虽然这些年来对图像处理的研究成果越来越多，但是由于图像分割本身还是很有难度的，所以使得很多研究并没有什么突破性的进展，仍然存在着很多方面的问题：
（1）很多算法都是针对某个或者某些类型的图像，并没有一种分割算法敢说它能够适用于绝大多数的图像类型；
（2）一直在强调的地方，现在还缺乏一个能对图像分割结果进行好坏评判的标准。大家对于分割效果的评判标准各不相同，很多人发新的算法时用的人工分割结果，一般都是倾向于自身算法的，这就导致了不同方法不容易比较好坏。而如何对分割结果进行具体化的评判是未来一段时间内一个很值得研究的问题；
（3）与人类的视觉机理有所脱节。现有的很多图像分割方法大多都与人类视觉的机理相脱节，而寻找具有较强鲁棒性、实时性和可并行性的分割算法都必须充分利用人类的视觉特性；信息的利用问题。对图像进行分割时，如果仅利用图像中的灰度，空间距离等信息，往往会产生和人类视觉分割不太一致的情况。人类的视觉分割是运用了许多图像分割以外的信息，这对改善图像分割算法是非常重要的。而寻找或者发明一个可以对任何图像进行分割而且能获得令人满意的效果的分割算法这是不现实的，也是不可能的。我们的工作应该放到那些实用的分割算法上，并尝试在实际应用中使分割结果更接近人类视觉分割的效果。