均值漂移图像分割

基于各向异性核函数的均值漂移跟踪算法，它包括meanshift的简化算法图像处理的方法

基于改进均值漂移算法的目标跟踪，田琦，郑林，提出了一种内置均值漂移算法的粒子滤波器算法，用于运动目标的跟踪。在粒子的优化过程中，用到两种均值漂移算法。首先，每个粒子

针对均值漂移算法缺少必要的模板更新方法的缺点，提出了一种基于双模板判定的更新算法。该算法首先通过分析目标特征与背景特征的相对大小，设计了加权函数分别对前景和背景特征进行加权；然后在此基础上引入背景模板

生成图像块：通过随机将一副图的某些块区域用块的均值替代的方法来生成图像块。这种方法可以用于图像数据的处理和分析，通过替代块的均值，可以实现图像数据的简化和降噪处理。生成的图像块可以应用于图像处理算法的

针对传统的直觉模糊c均值聚类算法进行图像分割时对聚类中心敏感导致最终聚类精度低、细节保留性差、时间复杂度较大等不足,提出了一种适用于电力设备红外图像分割的基于分布信息的直觉模糊c均值聚类算法。红外图像

针对传统的模糊C均值聚类算法(FCM)在图像分割中对噪声十分敏感这一局限性,提出一种自适应的FCM图像分割方法。该方法充分考虑图像像素的灰度信息和空间信息,根据像素的空间位置自适应地计算一个合适的相似

该程序使用K均值法实现了基于颜色的图像分割。

使用阈值法、区域增长法、分裂合并法和K均值法分割图像的实例。

模糊C均值聚类算法（FCM）在硬C均值聚类的基础上有效地解决了医学图像分割中存在的模糊情况，通过建立表示图像中像素点与聚类中心加权相似度的目标函数，采用迭代优化的方法求解目标函数的极小值来确定最佳聚类

提出了一种简单有效的彩色图像分割方法。应用直方图阈值技术获得彩色图像中所有可能的均匀区域，即通过寻找主峰值，对区域作初始化和合并，获得由相应的聚类中心标注的均匀区域，提出自适应K均值算法以提高已经形成