Mean Shift图像分割的快速算法  

Fast Mean Shift Algorithm in Image Segmentation

作　　者：孙小炜[1] 李言俊[1] 陈义[1] 

机构地区：[1]西北工业大学航天学院,陕西西安710072

出　　处：《测控技术》2008年第7期23-25,27,共4页Measurement & Control Technology

基　　金：高等学校博士学科专项科研基金(20060699024);航天支撑基金(N7CH0009);西北工业大学研究生创新实验中心资助项目

摘　　要：Mean Shift算法是一种搜索与样本点分布最相近模式的非参数统计方法。在图像聚类分割中,Mean Shift算法是一种有效的方法。但是,由于Mean Shift算法是一种迭代方法,要保证较高的数值计算精度则需要较多的迭代次数,耗费较长的计算时间。为克服这一缺点,提出了在数字图像空间中标记收敛点,同时采用Fourier级数来近似计算高斯函数。仿真实验表明,该方法对于加速Mean Shift计算过程是十分有效并且是相当精确的。The Mean Shift algorithm is a nonparametric statistical method for seeking the nearest mode of a point sample distribution. In image clustering segmentation, the Mean Shift algorithm is an effective method. However, Mean Shift is an iteration scheme. It wastes more time to calculate and needs more iteration to ensure higher numerical accuracy. In order to overcome its disadvantage, marking convergence points in digital image space is applied and Gauss function is calculated approximately by Fourier series. The experimental results show that it is an efficient and accurate method for accelerating Mean Shift procedure.

关 键 词：图像分割 高斯核函数 FOURIER级数 Mean Shift迭代 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]