【正文】 環(huán)境、氣象及交通監(jiān)測、文化教育等領(lǐng)域有著廣泛的應(yīng)用，創(chuàng)造了巨額社會價(jià)值；同時(shí)還遠(yuǎn)遠(yuǎn)不能滿足社會需求，自身也在不斷完善和發(fā)展，有很多新的方面要探索。它必將先更深入、更完善的方向發(fā)展：處理算法更優(yōu)化，處理速度更快，實(shí)現(xiàn)圖形的智能生成、處理、識別和理解[15]。二、研究的基本內(nèi)容和擬解決的問題（一）研究的主要內(nèi)容 ； Shift 算法的基本原理,并將算法運(yùn)用于圖像分割,通過實(shí)驗(yàn)證明了分割效果的有效性和穩(wěn)定性；，并編寫程序?qū)崿F(xiàn)算法對圖像的成功分割?！?（二）擬解決的問題　 shift算法的原理以及用算方法。 shift算法和matlab匯編語言結(jié)合在圖像處理中的應(yīng)用。三、研究方法與步驟，時(shí)間的安排（一）研究方法　 本文將對mean shift算法在圖像在分割中的應(yīng)用的基本理論進(jìn)行簡要介紹，并對當(dāng)前mean shift算法用于圖像分割的最新研究進(jìn)展進(jìn)行綜述，并著重介紹彩色圖像分割的算法。我的本科畢業(yè)設(shè)計(jì)將采用研究目前國內(nèi)外的相關(guān)論文成果，結(jié)合與課題相關(guān)書籍中的相關(guān)知識以及在張旭光老師的指導(dǎo)和幫助下進(jìn)行學(xué)習(xí)與摸索的研究。對于個別帶有創(chuàng)新性的地方，爭取提出創(chuàng)新的方法，進(jìn)一步通過建立科學(xué)的假設(shè)，采用實(shí)驗(yàn)研究的方法來實(shí)現(xiàn)自己的想法[16]。 （二）研究步驟(1）確定系統(tǒng)設(shè)計(jì)的目的，制定實(shí)現(xiàn)系統(tǒng)控制計(jì)劃，在實(shí)現(xiàn)控制計(jì)劃中要考慮到實(shí)現(xiàn)的方法及原理，準(zhǔn)備查閱的資料，摘錄主要信息等等。(2）查閱相關(guān)論文，學(xué)習(xí)mean shift算法和matlab的理論知識。(3）編寫程序，調(diào)試程序?。ㄈ┊厴I(yè)設(shè)計(jì)時(shí)間安排如下： 　　第一周～第四周：明確設(shè)計(jì)內(nèi)容，查閱相關(guān)資料，作好設(shè)計(jì)準(zhǔn)備。第五周～第八周：基本理論的學(xué)習(xí)，編程語言的學(xué)習(xí)。第九周～第十二周：算法的編程即初步實(shí)驗(yàn)。第十三周～第十六周：完善程序，撰寫論文。第十七周：整理論文，修改完善，準(zhǔn)備答辯。四、主要參考文獻(xiàn) 1 Matlab圖像處理與應(yīng)用. 董長虹主編 賴志國, 余嘯海編著，北京:國防工業(yè)出版社,2004.2 數(shù)字圖像處理:MATLAB版/(美) Rafael C. Gonzalez, Richard E. Woods, Steven L. Eddins著 阮秋琦等譯，北京:電子工業(yè)出版社,2005.3 IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, ,AUGUST,1995 .4 數(shù)字圖像處理學(xué)[M]. 阮秋琦，北京：電子工業(yè)出版社，2001.5 MATLAB高級應(yīng)用——圖像及影像處理. 清源計(jì)算機(jī)工作室編著，機(jī)械工業(yè)出版社.6 均值平移在圖像分割中的應(yīng)用 .張科等，彈箭與制導(dǎo)學(xué)報(bào)第26卷第1期.7 基于均值偏移的彩色圖像分割算法. 伊懷鋒，黃賢武，計(jì)算機(jī)應(yīng)用第2 6卷第7期，2 0 0 6年7月.8 Mean Shift, Mode Seeking, and Clustering，Yizong Cheng ，IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, VOL. 17, NO. 8, AUGUST ,1990.9 基于均值偏移的灰度圖像分割方法 . 李正周 ,彭素靜 ,王允 ,劉國金. 光 子 學(xué) 報(bào) ,第36 卷增刊, 2007年6月.10 （MATLAB版）.電子工業(yè)出版社,200511 章毓晉 . 圖像分割. 北京： 北京科學(xué)出版社.12 俞 勇, 施鵬飛, 趙立初 . 基于最小能量的圖像分割方法. 紅外與激光工程,.13 靳宏磊, 朱蔚萍, 李立源 . ,(1)5456.14 錢曉峰, 閻 偉 . 一種彩色圖像區(qū)域分割及輪廓矢量化新方法. 數(shù)據(jù)采集與處理,(1):5257.15 薛景浩,章毓晉, 林行剛 . 清華大學(xué)學(xué)報(bào),1999(1):1216.16 魏志成,周激流. 一種新的圖像分割自適應(yīng)算法的研究. 中國圖象圖形學(xué)報(bào),(3):216220.六、指導(dǎo)教師意見指導(dǎo)教師簽字： 年 月 日七、系級教學(xué)單位審核意見：審查結(jié)果： □ 通過 □ 完善后通過 □ 未通過 負(fù)責(zé)人簽字：年 月 日43附錄2附錄2燕 山 大 學(xué)本科畢業(yè)設(shè)計(jì)（論文）文獻(xiàn)綜述課題名稱： mean shift 算法在彩色圖像分割中的應(yīng)用 學(xué)院（系）： 自動化 年級專業(yè)： 06級自動化 學(xué)生姓名： 盧 斌 指導(dǎo)教師： 張旭光 完成日期： 2010年3月20日 一、課題國內(nèi)外現(xiàn)狀基于彩色圖像的分割方法是近年來國際上圖像領(lǐng)域的一個新的研究熱點(diǎn)。但由于其涉及的理論知識較多，應(yīng)用也還處在初級階段。因此國內(nèi)這方面的研究報(bào)道并不多見[1]。Mean Shift算法是一個非常優(yōu)秀的算法,是國外最近幾年才發(fā)展起來的。國外研究者比較多,國內(nèi)的很少,才見有幾篇文章發(fā)表。初入跟蹤領(lǐng)域,走過了很多彎路后,后來在Mean Shift算法上找到了突破口,并在該算法的研究中投入大量的時(shí)間[2]。圖像分割技術(shù)的現(xiàn)狀如下：（1) 閾值分割方法閾值分割方法的歷史可追溯到近50年前，現(xiàn)已提出了大量算法，對灰度圖像的取閾值分割就是先確定一個處于圖像灰度取值范圍之中的灰度閾值， 然后將圖像中各個的灰度值都與這個閾值相比較，并根據(jù)比較結(jié)果將對應(yīng)的象素分為兩類這兩類象素一般分屬圖像的兩類區(qū)域,從而達(dá)到分割的目的[3]。（2) 基于邊緣的分割方法在總結(jié)前人理論和實(shí)驗(yàn)結(jié)果的基礎(chǔ)上提出的一種邊緣提取新方法，對電視圖像的自動跟蹤識別有很好的效果。導(dǎo)出了滿足最佳性質(zhì)的算子,利用該算子進(jìn)行邊緣檢測，取得了較好的效果等人提出了哈夫變換的改進(jìn)算法，利用角度信息來控制選擇和分配像素在同一直線上的過程，使分割效果優(yōu)于標(biāo)準(zhǔn)哈夫變換的同時(shí)，大大減少了計(jì)算量，同時(shí)受噪聲和曲線間斷的影響較小[4]。（3) 基于區(qū)域的分割方法王楠等人提出的一種改進(jìn)的彩色圖像區(qū)域分割方法，充分利用彩色圖像的顏色信息,采用灰圖像和彩色信息分別處理的方法,根據(jù)圖像具體的彩色信息進(jìn)行了自適應(yīng)分割陸宗騏、梁誠等人提出的灰階邊緣的細(xì)化算法，通過對灰階邊緣圖多次邊緣細(xì)化結(jié)果的疊加使邊緣點(diǎn)的數(shù)值拔高、變陡，再通過灰階邊緣圖中各鄰域內(nèi)取數(shù)值最大的個點(diǎn)作邊緣,得到單點(diǎn)寬的邊緣，此方法處理簡單,效果明顯,為從圖像中提取模糊邊緣和微弱邊緣、提高定位精度 魏寶剛等人提出的基于區(qū)域長法的多顏色空間、多度量準(zhǔn)則的聚樂宋進(jìn)等；圖像分割方法的研究現(xiàn)狀與展望法和零碎區(qū)域的全并算法，使多顏色空間上的交互式圖像分割取得了很好的效果提出的基于設(shè)定值地圖的區(qū)域生長方法等[5]。二、研究主要成果 （1）均值偏移算法得到了越來越多的應(yīng)用,對該算法的改進(jìn)主要有兩種方向：一是選取不同的核函數(shù)以期獲得更為優(yōu)越的性能。本文中選用的 E p a n e c h n i k o v核函數(shù)是各向同性函數(shù)。特征向量中各個參數(shù)權(quán)重相同， 有時(shí)為了側(cè)重表達(dá)空間信息或色彩信息,可以選擇各向異性核函數(shù),得到更佳效果：二是尋找更為便捷的搜索算法尋找模式點(diǎn)。提高算法的速度。遍歷圖像尋找模式點(diǎn)耗時(shí)較多，可以隨機(jī)選取部分像素為初始點(diǎn)。進(jìn)行均值偏移運(yùn)算，得到一定數(shù)量的模式點(diǎn),然后根據(jù)選定的窗寬對所有像素進(jìn)行聚類。該方法雖然犧牲了精確性。但可以有效節(jié)省時(shí)間。獲得實(shí)時(shí)性。在視頻分割領(lǐng)域應(yīng)該可以獲得理想的效果[6]。（2）通過考慮圖像的空 間域信息和灰度特征域信息 ,構(gòu)造了基于像素位 和像素灰度值的改進(jìn)函數(shù)直方圖,提出了一種基于改進(jìn)均值偏移的灰度圖像分割方法,自動搜索圖像特征模式 ,有效地實(shí)現(xiàn)了圖像濾波和物體分割 更加符合物體和人眼視覺特性[7]。（3）根據(jù)檢測邊緣采用方式的不同，邊緣檢測方法大致包括以下幾類： 基于局部圖像函數(shù)的方法、多尺度方法、圖像濾波法、基于反應(yīng)—擴(kuò)散方程的方法、多分辨分法、基于邊界曲線擬合方法、狀態(tài)空間搜索法，動態(tài)規(guī)劃法、邊界跟蹤法,，該方法利用算法，對圖像進(jìn)行二進(jìn)度小波分解，然后計(jì)算出在二進(jìn)尺度空間的多尺度脊邊緣及強(qiáng)度，最后通過脊邊緣跟蹤濾波和小波反變換，得到分割結(jié)果張靜等人提出了行掃描空間帶通濾波法，是在總結(jié)前人理論和實(shí)驗(yàn)結(jié)果的基礎(chǔ)上提出的一種邊緣提取新方法,對電視圖像的自動跟蹤識別有很好的效果[8]。三、發(fā)展趨勢：（1）基于均值偏移的圖像分割方法對空域帶寬比較敏感 根據(jù)圖像數(shù)據(jù)的統(tǒng)計(jì)特性 自適應(yīng)地取該參量 以取得更佳的分割效果成為該方法的研究重點(diǎn)之一[9]。（2）對彩色圖像的分割，采用均值偏移算法只需人為設(shè)定兩個參數(shù)： 空間窗寬和色彩窗寬。而根據(jù)實(shí)驗(yàn)結(jié)果，可以得出結(jié)論：對于較為簡單的圖像， 可以選擇較的窗寬，這樣不但可以得到準(zhǔn)確的分割結(jié)果，而且耗時(shí) 較少； 而對于較為復(fù)雜的圖像，可以選擇較小的窗寬，既能得到較為真實(shí)的分割結(jié)果，又能節(jié)省時(shí)間[10] 。在實(shí)際應(yīng)用中，通過實(shí)驗(yàn)確定參數(shù)更為準(zhǔn)確。均值偏移算法得到了越來越多的應(yīng)用，對該算法的改進(jìn)主要有兩種方向。一是選取不的核函數(shù)以期獲得更為優(yōu)越 的性能。本文中選用的 E p a n e c h n i k o v核函數(shù)是各向同性函數(shù)。特征向量中各個參數(shù)權(quán)重相同，有時(shí)為了側(cè)重表達(dá)空間信 息或色彩信息，可以選擇各向異性核函數(shù)，得到更佳效果：二是尋找更為便捷的搜索算法尋找模式點(diǎn)。提高算法的速度。遍歷圖像尋找模式點(diǎn)耗時(shí)較多，可以隨機(jī)選取部分像素為初始點(diǎn)。進(jìn)行均值偏移運(yùn)算，得到一定數(shù)量的模式點(diǎn)，然后根據(jù)選定的窗寬對所有像素進(jìn)行聚類。該方法雖然犧牲了精確性。但可以有效節(jié)省時(shí)間，獲得實(shí)時(shí)性。在視頻分割領(lǐng)域應(yīng)該可以獲得理想的效果可以[11]。（3）一是對原有算法的不斷改進(jìn)；二是新方法、新概念的引入和多種方法的有效綜合運(yùn)用。人們逐漸認(rèn)識到現(xiàn)有的任何一種單獨(dú)的圖像分割算法都難以對一般圖像取得令人滿意的分割效果，因而很多人在把新方法和新概念不斷的引入圖像分割領(lǐng)域的同時(shí)，也更加重視把各種方法綜合起來運(yùn)用[12] 。在新出現(xiàn)的分割方法中，基于小波變換的圖像分割方法就是一種很好的方法；三是交互式分割研究的深入。由于很多場合需要對目標(biāo)圖像進(jìn)行邊緣分割分析 :例如對醫(yī)學(xué)圖像的分析，因此需要進(jìn)行交互式分割研究。事實(shí)證明，交互式分割技術(shù)有著廣泛的應(yīng)用。四是對特殊圖像分割的研究越來越得到重視[13] 。目前有很多針對立體圖像、彩色圖像、多光譜圖像以及多視場圖像分割的研究，也有對運(yùn)動圖像及視頻圖像中目標(biāo)分割的研究，還有對深度圖像、紋理圖像、計(jì)算機(jī)斷層掃描磁共振圖像、共聚焦激光掃描顯微鏡圖像、合成孔雷達(dá)圖像等特殊圖像的分割技術(shù)的研究。相信隨著研究的不斷深入,存在的問題會很快得到圓滿的解決[14]。四、存在問題分割問題的困難在于圖像數(shù)據(jù)的模糊和噪聲的干擾。到目前為止，還沒有一種或者幾種完善的分割方法，可以按照人們的意愿準(zhǔn)確的分割任何一種圖像。實(shí)際圖像中景物情況各異，具體問題具體分析，需要根據(jù)實(shí)際情況選擇適合的方法[15]。分割結(jié)果的好壞或者正確與否，目前還沒有一個統(tǒng)一的評價(jià)判斷準(zhǔn)則，分割的好壞必須從分割的效果和實(shí)際應(yīng)用場景來判斷。不過在人類研究圖像的歷史中，還是積累了許多經(jīng)典的圖像分割方法。雖然這些分割方法不適合所有類型的圖像分割，但是這些方法卻是圖像分割方法進(jìn)一步發(fā)展的基礎(chǔ)。事實(shí)上，現(xiàn)代一些分算法恰恰是從經(jīng)典的分割方法衍生出來的[16]。五、主要參考文獻(xiàn) 1 [M].北京：電子工業(yè)出版社，20012 數(shù)字圖像處理:MATLAB版/(美) Rafael C. Gonzalez, Richard E. Woods, Steven 著 阮秋琦等譯，北京: 電子工業(yè)出版社,2005.3 IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, VOL. 17,AUGUST 1995.4 Dorin Comaniciu and Peter Meer. Distribution Free Deposition of Multivariate Data, pattern Anaiysisamp。Applications. 19995 Y. Cheng and . Fu, “Conceptual clustering in knowledge organization,”IEEE Analysis und Muchine Intelligence, , 19856 彭鐵根 ,黃實(shí)委 ,伍錫華 自適應(yīng)帶寬中值偏移視撅 圖像分割研究 系統(tǒng)仿真學(xué)報(bào) 2005，7 周守平 ,高新波 圖像分割的快速模糊 均值聚類算法 ，計(jì)算機(jī)工程與應(yīng)用 。；8 梁路宏，艾海舟，何克忠，等．基于多關(guān)聯(lián)模板匹配的人臉檢測[ J] ．軟件學(xué)報(bào)，2001.9 章毓晉．圖像分割[M] ．北京： 科學(xué)出版社，2001年10 and ,“Analysis of the blurring process”, Cumpututionul Leurning Theory und Nuturul Leurning Systems,vol. 3, T. Petsche, et al., eds., 1992.11 and . Rheinboldt, Ilerutive Solution of Nonlineur Equutions in Severul Diego:Academic Press,1970.12 俞 勇, 施鵬飛, 趙立初 . 基于最小能量的圖像分割方法. 紅外與激光工程,.13 靳宏磊: 朱蔚萍: 李立源 . ,(1)5456.14 錢曉峰, 閻 偉 . 一種彩色圖像區(qū)域分割及輪廓矢量化新方法. 數(shù)據(jù)采集與處理,(1):5257.15 薛景浩,章毓晉, 林行剛 . 清華大學(xué)學(xué)報(bào),1999(1):1216.