韩俊，王保云

（1.云南师范大学信息学院，昆明 650500；2.云南师范大学数学学院，昆明 650500）

0 引言

近年来，大数据时代的到来促使计算机视觉技术飞速发展，图像分割是计算机视觉中的重要技术。图像分割就是把图像分成若干个特定的、具有独特性质的区域，提出感兴趣目标的技术和过程。图像分割被广泛应用于地理、军事、医学和人工智能中。

图像分割的方法众多，不同学者对分割方法的概括不同［1-2］。总的说来，图像分割可分为5类：基于阈值的分割、基于区域的分割、基于边缘的分割、基于特定理论的分割和基于神经网络的分割。MeanShift是密度类聚类算法的一种，用作图像分割时属于特定理论的分割方法。Mean-Shift于1975年由Fukunaga等［3］提出，他们使用了密度梯度对样本进行估计的方法，并用核函数对MeanShift中样本进行加权。Silverman B［4］提出的无参数核密度估计方法为MeanShift对样本的估计提供了系统的证明。Cheng Y等［5］介绍常用核函数原理并提出更多适用的核函数，为每个带宽内的样本分配权重，使得随着样本与被偏移点的距离不同，其偏移量对均值偏移向量的贡献也不同。文中对MeanShift算法应用于图像分割进行了实验，验证了算法良好的分割效果。

1 MeanShift算法理论基础

给定d维空间Rd中的n个样本点xi，i=1,…n，在x点的MeanShift向量为:

其中,Mh(x)称为MeanShift向量，图1中的宽箭头所示。Sh是一个半径为h的高维球区域，图1中实线大圈所示。xi表示在高维球区域内的样本点，图1中黑点所示。x表示初始聚类中心点，图1中的实线小圈中心位置。k表示在这n个样本点xi中,有k个点落入Sh区域中。……