mean shift图像分割(一)

Mean Shift算法在图像处理中用于图像分割和视频跟踪,通过寻找概率密度极值点进行类聚。它依赖非参数概率密度估计,尤其是核密度估计,并使用密度梯度迭代寻找这些点。为了实现有效分割,需要确保图像在特定特征空间内具有良好的可区分性。
摘要由CSDN通过智能技术生成

mean shift均值偏移算法,可以用于图像分割(类聚)或者视频跟踪。在图像分割上是寻找一副图像的特征空间中的概率密度极值点,以极值点为类聚来平滑分隔。概率密度主要用非参数概率密度估计方法,其中核密度估计较为常用。密度极值点的寻找用密度梯度方法进行迭代寻找。

meanshift可分割需要建立在图像特征空间可分的基础上,也就是需要找到一个合适的特征空间,图像映射到这个空间上后,目标和背景可以明显分明。

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值