均值漂移Mean Shift原理及推导过程

1.概述

Mean Shift的概念最早由Fukunage在1975年提出，后来由Yizong Cheng对其进行扩充，主要提出了两点的改进：一是定义了核函数，二增加了权重系数。核函数的定义使得偏移值对偏移向量的贡献随样本与被偏移点的距离的不同而不同，权重系数使得不同样本的权重有所不同。

均值漂移（mean-shift）算法是一种通用的寻找数据局部众数（local-mode）的搜索算法。它通常用于图像识别中的图像分割、目标跟踪、聚类和数据降维处理。

其实现思想如下：对于给定的一定数量样本，首先随便选择一个点作为中心点，然后计算该点一定范围之内所有点到中心点的距离向量的平均值作为偏移均值，然后将中心点移动到偏移均值位置(也就是该点范围内的质心)，通过这种不断重复的移动，可以使中心点逐步逼近到最佳位置。即选择的初始中心点会从沿一定变化方向移动到高密度中心点。具体实现过程示意图如下。