一、选择题 1．Pick up your pen and draw your own invention. Maybe it will be ____ a real product one day! A．turned on B．turned down C．turned into D．turned off 2．—What do you think of your English teacher? —She is a good and caring one. Though her teaching style that of most other teachers, she always has more creative teaching methods than others do. A．is similar to B．is similar as C．the same as 3．—The fire was finally____ in Jilin on June 3. Unfortunately, 119 people lost their lives. —I hope the accide nt like this won’t happen again. A．put down B．put away C．put out D．put up 4．David promised that he would come to the party, but he didn’t ________. A．stay up B．grow up C．wake up D．show up 5．—Have you heard that there’s a big fire near your home last night? — Sure. Luckily, the firemen came quickly and ______ the fire. A．came out B．broke out C．put out D．cut out 6．—You look so sad. What happened? 一The exam to be much harder than I thought. A．broke out B．carried out C．put out D．turned out 7．______ a light when necessary. You will bring light to other people and yourself. A．Try on B．Get on C．Turn on D．Put on 8．It's quite warm in the room. Why not your coat? A．pick up B．take off C．put off D．give away 9．She is always _______ with his parents, and she even tells her secret to them. A．bored B．open C．satisfied D．mad 10．—Do you have any problems _____ your English? —Yes, I have some difficulties _____ texts. A．with; reading B．read; study C．with; study D．in; with 11．--Mary failed the exam yesterday. --- Give her a phone call. We should ______. A．cheer up her B．cheer up C．cheer her up D．cheered up 12．The math problem is so difficult that only few students can _______. A．work on it B．work for it C．work it over D．work it out 13．(2016●苏州市)If the customer rings up for me again, please the call to the sales department . A．run through B．look through C．go through D．put through 14．Not until the police began to look into(调查) the accident did he tell me ________ what was on that afternoon. A．by mistake B．by accident C．in person D．in total
传统meanshift 跟踪算法实现流程 一、 Meanshift 算法流程图 视频流 手动选定跟踪目标 提取目标灰度加权直方图特征hist1 提取候选目 标区域 提取候选目标的灰度加权直方图特征hist2 均值漂移得到均值漂移向量及新的候选区域位 置 是否满足迭代结束条件 第二帧之后图像 第一帧图像 得到当前帧目标位置 是 否 图1 meanshift 流程图 二、 各模块概述 1、 手动选定目标区域：手动框出目标区域，并把该区域提取出来作为目标模板 区域； 2、 提取目标灰度加权直方图特征hist1； 2.1构造距离权值矩阵m_wei ； 使用Epanechnikov 核函数构造距离加权直方图矩阵：设目标区域中像素
点(,)i j 到该区域中心的距离为dist ，则 _(,)1/m wei i j dist h =-，这里h 是核函数窗宽，h 为目标区域中离区域中心 最远的像素点到中心的距离：若所选目标区域为矩形区域，区域的半宽度为 x h ，半高度为y h ，则22()x y h sqrt h h =+； 2.2得到归一化系数C ； 1/C M =，其中M 是m_wei 中所有元素值之和； 2.3计算目标的加权直方图特征向量hist1； 若图像为彩色图像，则把图像的,,r g b 分量归一化到[0,15]之间（分量值与16取余，余数即为归化后的分量值），然后为不同的分量值赋予不同的权值得到每个像素点的特征值_q temp ： _256*16*q t e m p r g b = ++ 对于像素点(,)i j ，设其特征值为_q temp ，则另 1(_1)1(_1)_(,)hist q temp hist q temp m wei i j +=++； 若图像是灰度图像，则直接利用每个像素的灰度值作为每个像素的特征值，然后统计得到hist1； 把一维数组hist1归一化：11*hist hist C =；归一化后的数组hist1即为目标的加权直方图特征向量； 3、 从第二帧开始的图像，通过迭代的方式找到该帧图像中目标的位置； 3.1提取候选目标区域：以上一帧图像中目标的位置或上一次迭代得到的目标位置为中心提取出目标模板区域大小的区域； 3.2提取候选目标区域的加权直方图特征向量hist2：提取方法同步骤2.3； 计算候选目标区域的特征值矩阵_1q temp ： _1 (,)256*(,) 16*(,)q t e m p i j r i j g i j b i j =++； 3.3均值漂移到新的目标区域； 3.3.1计算候选目标区域相对于目标区域的均值漂移权值w ： ( 1()/2()),2(2w s q r t h i s t i h i s t i h i s t =≠ 2() 0h i s t i =时，()0;w i = 3.3.2 根据每个像素点所占的均值漂移权值计算漂移矩阵xw ： 11(_1(,)1)*[(1),(2)]a b i j xw xw w q temp i j i y j y ===++--∑∑ 3.3.2得到权值归一化后的均值漂移向量Y ：
一、选择题 1．The exam is over and the results will be on Friday afternoon. A．put down B．put off C．put up D．put away 2．Because of his mistakes when dealing with the electricity problems, last Friday he was by the company. A．got off B．took off C．kicked off 3．—What do you think of your English teacher? —She is a good and caring one. Though her teaching style that of most other teachers, she always has more creative teaching methods than others do. A．is similar to B．is similar as C．the same as 4．-What do you think of this story? -It's interesting, but Miss Lin asked us to __________ a story by ourselves, not to find one on the Internet. A．make up B．look up C．listen to D．take away 5．We can’t trust him. He always some excuses for doing something wrong. A．makes up B．sets up C．takes up D．puts up 6．She________live alone. But she________living alone because she feels lonely. A．used to, doesn’t used to B．is used to, was used to C．used to, is not used to D．was used to, doesn’t used to 7．George couldn’t wa it to _________ his new car. A．put off B．set off C．take off D．show off 8．________, the Internet was only used by the government. But now it’s widely used in every field. A．As usual B．At first C．After all D．So far 9．—Who is your favorite singer, Mike? —TF Boys. They are very ____ boys and girls. A．proud of B．popular with C．strict with D．worried about 10．Millie Beijing now. A．don't live in B．doesn't lives in C．don't lives in D．doesn't live in 11．______ a light when necessary. You will bring light to other people and yourself. A．Try on B．Get on C．Turn on D．Put on 12．The math problem is so difficult that only few students can _______. A．work on it B．work for it C．work it over D．work it out 13．— The girl ________ for the lead role in the film but was refused. — What a pity! A．tried up B．tried out C．tried to D．tried on
基于Mean Shift的目标跟踪算法研究 指导教师：
摘要：该文把Itti视觉注意力模型融入到Mean Shift跟踪方法，提出了一种基于视觉显著图的Mean Shift跟踪方法。首先利用Itti视觉注意力模型，提取多种特征，得到显著图，在此基础上建立目标模型的直方图，然后运用Mean Shift方法进行跟踪。实验证明，该方法可适用于复杂背景目标的跟踪，跟踪结果稳定。 关键词：显著图目标跟踪Mean Shift Mean Shift Tracking Based on Saliency Map Abstract：In this paper, an improved Mean Shift tracking algorithm based on saliency map is proposed. Firstly, Itti visual attention model is used to extract multiple features, then to generate a saliency map，The histogram of the target based on the saliency map, can have a better description of objectives, and then use Mean Shift algorithm to tracking. Experimental results show that improved Mean Shift algorithm is able to be applied in complex background to tracking target and tracking results are stability. 1 引言 Mean Shift方法采用核概率密度来描述目标的特征，然后利用Mean Shift搜寻目标位置。这种方法具有很高的稳定行，能够适应目标的形状、大小的连续变化，而且计算速度很快，抗干扰能力强，能够保证系统的实时性和稳定性[1]。近年来在目标跟踪领域得到了广泛应用[2-3]。但是，核函数直方图对目标特征的描述比较弱，在目标周围存在与目标颜色分布相似的物体时，跟踪算法容易跟丢目标。目前对目标特征描述的改进只限于选择单一的特征，如文献[4]通过选择跟踪区域中表示目标主要特征的Harris点建立目标模型；文献[5]将初始帧的目标模型和前一帧的模型即两者的直方图分布都考虑进来，建立混合模型；文献[6]提出了以代表图像的梯度方向信息的方向直方图为目标模型；文献[7-8]提出二阶直方图，是对颜色直方图一种改进，是以颜色直方图为基础，颜色直方图只包含了颜色分布信息，二阶直方图在包含颜色信息的前提下包含了像素的均值向量和协方差。文献[9]提出目标中心加权距离，为离目标中心近的点赋予较大的权值，离目标中心远的点赋予较小的权值。文献[4-9]都是关注于目标和目标的某一种特征。但是使用单一特征的目标模型不能适应光线及背景的变化，而且当有遮挡和相似物体靠近时，容易丢失目标；若只是考虑改进目标模型，不考虑减弱背景的干扰，得到的效果毕竟是有限的。 针对上述问题，文本结合Itti 提出的视觉注意模型[5]，将自底向上的视觉注意机制引入到Mean Shift跟踪中，提出了基于视觉显著图的Mean Shift跟踪方法。此方法在显著图基础上建立目标模型，由此得到的目标模型是用多种特征来描述的，同时可以降低背景对目标的干扰。 2 基于视觉显著图的Mean Shift跟踪方法
Mean Shift 概述 Mean Shift 简介 Mean Shift 这个概念最早是由Fukunaga 等人[1]于1975年在一篇关于概率密度梯度函数的估计中提出来的,其最初含义正如其名,就是偏移的均值向量,在这里Mean Shift 是一个名词,它指代的是一个向量,但随着Mean Shift 理论的发展,Mean Shift 的含义也发生了变化,如果我们说Mean Shift 算法,一般是指一个迭代的步骤,即先算出当前点的偏移均值,移动该点到其偏移均值,然后以此为新的起始点,继续移动,直到满足一定的条件结束. 然而在以后的很长一段时间内Mean Shift 并没有引起人们的注意,直到20年以后,也就是1995年,另外一篇关于Mean Shift 的重要文献[2]才发表.在这篇重要的文献中,Yizong Cheng 对基本的Mean Shift 算法在以下两个方面做了推广,首先Yizong Cheng 定义了一族核函数,使得随着样本与被偏移点的距离不同,其偏移量对均值偏移向量的贡献也不同,其次Yizong Cheng 还设定了一个权重系数,使得不同的样本点重要性不一样,这大大扩大了Mean Shift 的适用范围.另外Yizong Cheng 指出了Mean Shift 可能应用的领域,并给出了具体的例子. Comaniciu 等人[3][4]把Mean Shift 成功的运用的特征空间的分析,在图像平滑和图像分割中Mean Shift 都得到了很好的应用. Comaniciu 等在文章中证明了,Mean Shift 算法在满足一定条件下,一定可以收敛到最近的一个概率密度函数的稳态点,因此Mean Shift 算法可以用来检测概率密度函数中存在的模态. Comaniciu 等人[5]还把非刚体的跟踪问题近似为一个Mean Shift 最优化问题,使得跟踪可以实时的进行. 在后面的几节,本文将详细的说明Mean Shift 的基本思想及其扩展,其背后的物理含义,以及算法步骤,并给出理论证明.最后本文还将给出Mean Shift 在聚类,图像平滑,图像分割,物体实时跟踪这几个方面的具体应用. Mean Shift 的基本思想及其扩展 基本Mean Shift 给定d 维空间d R 中的n 个样本点i x ,i=1,…,n,在x 点的Mean Shift 向量的基本形式定义为: ()()1 i h h i x S M x x x k ∈≡ -∑ (1) 其中,h S 是一个半径为h 的高维球区域,满足以下关系的y 点的集合,
一、选择题 1．—Do you have any problems _____ your English? —Yes, I have some difficulties _____ texts. A．with; reading B．read; study C．with; study D．in; with 2．—How much chocolate ice cream would you like, Linda? —, please. It’s my favorite. A．Only a little B．Just a few C．A lot D．None 3．—We are not supposed to the bus until the bus stops. —That’s right. Safety comes first. A．put off B．get off C．take off D．go off 4．David promised that he would come to the party, but he didn’t ________. A．stay up B．grow up C．wake up D．show up 5．My cousin is heavy because he often eats fast food． A．too much；too many B．too many；too much C．much too；too much D．too much；much too 6．George couldn’t wait to _________ his new car. A．put off B．set off C．take off D．show off 7．________, the Internet was only used by the government. But now it’s widely used in every field. A．As usual B．At first C．After all D．So far 8．—Andy, would you please the report for me and see if there is any mistake? —Of course I will. A．look around B．look through C．look up D．look after 9．—Have you heard that there’s a big fire near your home last night? — Sure. Luckily, the firemen came quickly and ______ the fire. A．came out B．broke out C．put out D．cut out 10．—Who is your favorite singer, Mike? —TF Boys. They are very ____ boys and girls. A．proud of B．popular with C．strict with D．worried about 11．Vivien worked very hard at all her lessons. __________, she became the top student in her class. A．In order to B．As a result C．As usual D．For example 12．—What do you think of your English teacher? —She is a good and caring one. Though her teaching style that of most other teachers, she always has more creative teaching methods than others do. A．is similar to B．is similar as C．the same as 13．--- I was told that Tom was charged with stealing the jewelry from the shop.
mean shift及其改进算法图像跟踪原理和应用Mean Shift 简介 Mean Shift 这个概念最早是由Fukunaga等人[1]于1975年在一篇关于概率密度梯度函数的估计中提出来的,其最初含义正如其名,就是偏移的均值向量,在这里Mean Shift是一个名词,它指代的是一个向量,但随着Mean Shift理论的发展,Mean Shift的含义也发生了变化,如果我们说Mean Shift算法,一般是指一个迭代的步骤,即先算出当前点的偏移均值,移动该点到其偏移均值,然后以此为新的起始点,继续移动,直到满足一定的条件结束. 然而在以后的很长一段时间内Mean Shift并没有引起人们的注意,直到20年以后,也就是1995年,另外一篇关于Mean Shift的重要文献才发表.在这篇重要的文献中,Yizong Cheng对基本的Mean Shift算法在以下两个方面做了推广,首先Yizong Cheng定义了一族核函数,使得随着样本与被偏移点的距离不同,其偏移量对均值偏移向量的贡献也不同,其次Yizong Cheng还设定了一个权重系数,使得不同的样本点重要性不一样,这大大扩大了Mean Shift的适用范围.另外Yizong Cheng 指出了Mean Shift可能应用的领域,并给出了具体的例子. Comaniciu等人把Mean Shift成功的运用的特征空间的分析,在图
像平滑和图像分割中Mean Shift 都得到了很好的应用. Comaniciu 等在文章中证明了,Mean Shift 算法在满足一定条件下,一定可以收敛到最近的一个概率密度函数的稳态点,因此Mean Shift 算法可以用来检测概率密度函数中存在的模态. Comaniciu 等人还把非刚体的跟踪问题近似为一个Mean Shift 最优化问题,使得跟踪可以实时的进行. 在后面的几节,本文将详细的说明Mean Shift 的基本思想及其扩展,其背后的物理含义,以及算法步骤,并给出理论证明.最后本文还将给出Mean Shift 在聚类,图像平滑,图像分割,物体实时跟踪这几个方面的具体应用. Mean Shift 的基本思想及其扩展 基本Mean Shift 给定d 维空间d R 中的n 个样本点i x ,i=1,…,n,在x 点的Mean Shift 向量的基本形式定义为: ()()1 i h h i x S M x x x k ∈≡ -∑ (1) 其中,h S 是一个半径为h 的高维球区域,满足以下关系的y 点的集合, ()() (){ } 2:T h S x y y x y x h ≡--≤ (2) k 表示在这n 个样本点i x 中,有k 个点落入h S 区域中.
短语是英语构成的具有实际意义的一个重要的基本单位,比如动词短语(have bee n doi ng)、介词短语(for you)、名词短语(my best friend)等等,掌握好英语短语的基本分类对英语阅读和写作具有十分重要的意义。 一、名词短语(noun phrase ) 1、名词短语的功能 名词短语的简单定义：名词与它的修饰语一起即构成名词短语。先来看几个简单的例子： ①These red roses are for you . 在句中充当主语。 ②I have three close friend .译：我有三个要好的朋友。在句中充当宾语。 ②He is my best friend .译：他是我最好的朋友。在句中充当表语。 ③There are some red roses on that small table .some red roses 在句 中充当主语；that small table 在句中充当介词on的宾语。 以上例句中的名词短语，都包含在英语句子和文章中。可以充当句子中的各个成分。 ※注意：英文中的介词不能单独使用，其后面必须接宾语，所接的宾语往往是名词短语(如例句4)。 the bird in the tree 树上的那只小鸟 the map on the wall 墙上的地图 the developme nt of Chi na 中国的发展 the sta ndard of liv ing 生活水平 the south side of the Chan gjia ng river 长江南岸
the way to the hotel 去旅馆的路 the life in the future 未来的生活 名词短语有如此重要的作用，那么这么重要的句子构成要素是怎样构成的呢？下面来详细总结它的构造规律。 2、名词短语的构造 名词短语由名词与它的修饰语一起构成。 名词的修饰语与名词有两种位置关系：一是放在被修饰名词的前面，叫做前置定语或定语；二是放在被修饰名词的后面，叫做后置定语。 一般来说，名词前面有两种修饰语。其一是限定词，用来限定名词所指的范围，对名词起泛指或特指、定量或不定量等的限定修饰作用。比如these，three ，a ，the ，my等等。其二是形容词，用来表示名词的性质和特征。比如 red ，close ，new ，small 等等。 在复杂的名词短语中，更常见的是后置修饰定语。包括定语从句、同位语从句、分词短语、不定式、介词短语、形容词短语和副词短语等等，而且还会有不同的后置定语复式的出现。看下面这组例子： The boy is my brother . The cute boy is my brother . The cute boy in blue jea ns is my brother . The cute boy weari ng blue jea ns is my brother . The cute boy who is weari ng blue jea ns is my brother . 这里的中心词是boy，然后在boy前面或后面分别添加各类修饰语，从而构成
摘要 在图像处理和计算机视觉里，图像分割是一个十分基础而且很重要的部分，决定了最终分析结果的好坏。图像分割问题的典型定义就是如何在图像处理过程中将图像中的一致性区域和感兴趣对象提取出来。 MeanShift 图像分割方法是一种统计迭代的核密度估计方法。MeanShift算法以其简单有效而被广泛应用，但该方法在多特征组合方面和数据量较大的图像处理上仍存在不足之处，本文针对这些问题对该算法的结构进行了优化。本文利用图像上下文信息对图像进行了区域合并以此来对输入数据进行了压缩；并实现特征空间中所有特征量的优化组合。 最后，总结了本文的研究成果。下一步需要深入的研究工作有:(1)考虑分割的多尺度性,实现基于Mean Shift算法的多尺度遥感图像分割;(2)考虑利用Gabor滤波器来提取纹理特征,或将更多的特征如形状等特征用于MeanShift遥感图像分割中。 关键词: Mean Shift, 图像分割, 遥感图像, 带宽
ABSTRACT mage segmentation is very essential and critical to image processing and computer vision, which is one of the most difficult tasks in image processing, and determines the quality of the final result of analysis. In image segmentation problem, the typical goal is to extract continuous regions and interest objects in the case of image processing. The Mean Shift algorithm for segmentation is a statistical iterative algorithm based on kernel density estimation. Mean Shift algorithm has been widely applied for its simplicity and efficiency. But the algorithm has some deficiencies in feature combination and image processing for large data. According to the deficiencies of the Mean Shift algorithm, this paper optimizes the structure of the algorithm for segmentation. Firstly, this paper introduces a method of data compressing by merging the nearest points with similar properties into consistency regions. Secondly, We optimize the combination of features. At last, after concluding all research work in this paper, further work need to be in-depth studied: (1) Consider multi-scale factors of remote sensing, and realize multi-scale remote sensing image segmentation based on Mean Shift algorithm. (2) Consider extracting textures features by using Gabor filter, or use more features such as shape features to segment remote sensing images based on Mean Shift algorithm. KEY WORDS: Mean Shift, image segmentation, remote sensing images, bandwidth,
一、中考语文专项练习：短语 1．对语法知识分析正确的一项是（） A. “美丽”“操守”都是形容词，“满眼烟云”是偏正短语。 B. “爱是人生之源”这个句子中的“人生之源”作谓语。 C. “一个人的心中如果没有爱的泉水，那也就不会有人生的绿荫。”是递进复句。 D. 句子“你都会对这个世界充满无限的神往和迷恋。”有语病，修改方法是把“神往”和“迷恋”互换位置。 【答案】D 【解析】【分析】此题考查学生的语法掌握能力。 A中“操守”是名词。“满眼烟云”是主谓短语。 B中谓语是“是”。 C中“一个人的心中如果没有爱的泉水，那也就不会有人生的绿荫。”是假设复句。 D项正确。 故答案为：D。 【点评】这就要求学生在平时的学习中，要多积累语法知识，多记忆。 2．请选出下列说法错误的一项（） A. “红旗飘扬”“人物描写”“边读边写”“吃大米饭”依次是主谓短语、偏正短语、并列短语、动宾短语。 B. 那树有一点佝偻，露出老态，但是坚固稳定，树顶像刚炸开的焰火一样繁密。（这句话运用拟人和比喻的修辞手法，写出那树虽老但枝繁叶茂的状态） C. 古人将“山的北面，水的南面”称作“阴”，《愚公移山》中“达于汉阴”是指“到达汉水的南面”。 D. 小说以叙述故事情节为中心，通过人物形象的塑造和环境的描写来反映社会生活。 【答案】D 【解析】【分析】这道题考的是文化常识和文学常识。 A.是对短语的理解和运用，正确。 B.是对句子的赏析，考的是修辞手法，正确。 C.考的是古代的地理常识，正确。 D、考的是文学常识，不正确。小说是以塑造人物形象为中心，通过对故事情节的叙述和环境的描写来反映社会生活。 故答案为：D。 【点评】要掌握小说的三要素和小说的定义，知道小说的中心应是“塑造人物形象”，而不是“叙述故事情节”。 3．对语法知识分析正确的一项是（） ①一个人只有在获得了一定的“知识”，也不拒绝“常识”时，才能更上一层楼，成为一名有“见识”的人。②这“见识”就是你自己看问题的观点，你的思想与世界观了，这是一个学者与知识分子必须具备的。③我常常遇到一些年轻人，由于知识有限，连基本常识也分不
经典Mean Shift算法介绍 1无参数密度估计 (1) 2核密度梯度估计过程 (3) 3算法收敛性分析 (4) 均值漂移(Mean Shift)是Fukunaga等提出的一种非参数概率密度梯度估计算法，在统计相似性计算与连续优化方法之间建立了一座桥梁，尽管它效率非常高，但最初并未得到人们的关注。直到1995年，Cheng改进了Mean Shift算法中的核函数和权重函数，并将其应用于聚类和全局优化，才扩大了该算法的适用范围。1997年到2003年，Comaniciu等将该方法应用到图像特征空间的分析，对图像进行平滑和分割处理，随后他又将非刚体的跟踪问题近似为一个Mean Shift最优化问题，使得跟踪可以实时进行。由于Mean Shift算法完全依靠特征空间中的样本点进行分析，不需要任何先验知识，收敛速度快，近年来被广泛应用于模式分类、图像分割、以及目标跟踪等诸多计算机视觉研究领域。 均值漂移方法[4]是一种最优的寻找概率密度极大值的梯度上升法，提供了一种新的目标描述与定位的框架，其基本思想是：通过反复迭代搜索特征空间中样本点最密集的区域，搜索点沿着样本点密度增加的方向“漂移”到局部密度极大点。基于Mean Shift方法的目标跟踪技术采用核概率密度来描述目标的特征，由于目标的直方图具有特征稳定、抗部分遮挡、计算方法简单和计算量小的特点，因此基于Mean Shift的跟踪一般采用直方图对目标进行建模；然后通过相似性度量，利用Mean Shift搜寻目标位置，最终实现目标的匹配和跟踪。均值漂移方法将目标特征与空间信息有效地结合起来，避免了使用复杂模型描述目标的形状、外观及其运动，具有很高的稳定性，能够适应目标的形状、大小的连续变换，而且计算速度很快，抗干扰能力强，在解决计算机视觉底层任务过程中表现出了良好的鲁棒性和较高的实时处理能力。 1无参数密度估计 目标检测与跟踪过程中，必须用到一定的手段对检测与跟踪的方法进行优化，将目标的表象信息映射到一个特征空间，其中的特征值就是特征空间的随机变量。假定特征值服从已知函数类型的概率密度函数，由目标区域内的数据估计密度函数的参数，通过估计的参数得到整个特征空间的概率密度分布。参数密度估计通过这个方法得到视觉处理中的某些参数，但要求特征空间服从已知的概率
MeanShift聚类 分类：计算机视觉2012-03-23 14:021423人阅读评论(0)收藏举报算法优化存储c Mean shift主要用在图像平滑和图像分割（那个跟踪我现在还不清楚），先介绍一下平滑的原理： 输入是一个5维的空间，2维的（x，y）地理坐标，3维的（L，u，v）的颜色空间坐标，当然你原理也可以改写成rgb色彩空间或者是纹理特征空间。 先介绍一下核函数，有uniform的，也有高斯的核函数，不管是哪个的，其基本思想如下：简单的平滑算法用一个模板平均一下，对所有的像素，利用周围的像素平均一下就完事了，这个mean shift的是基于概率密度分布来的，而且是一种无参的取样。有参的取样就是假设所有的样本服从一个有参数的概率分布函数，比如说泊松分布，正态分布等等，高中生都知道概率公式里面是有参数的，在说一下特征空间是一个5维的空间，距离用欧几里德空间就可以了，至少代码里就是这样实现的，而本文的无参取样是这样的：在特征空间里有3维的窗口（想象一下2维空间的窗口），对于一个特征空间的点，对应一个5维的向量，可以计算该点的一个密度函数，如果是有参的直接带入该点的坐标就可以求出概率密度了，基于窗函数的思想就是考虑它邻近窗口里的点对它的贡献，它假设密度会往密集一点的地方转移，算出移动之后的一个5维坐标，该坐标并会稳定，迭代了几次之后，稳定的地方是modes。这样每一个像素点都对应一个这么一个modes，用该点的后3维的值就是平滑的结果了，当然在算每个点的时候，有些地方可能重复计算了，有兴趣的化你可以参考一下源代码，确实是可以优化的。总结一下mean shift的平滑原理就是在特征空间中向密度更高的地方shift（转移）。 其次是怎么利用mean shift分割图像.先对图像进行平滑，第2步利用平滑结果建立区域邻接矩阵或者区域邻接链表，就是在特征空间比较近的二间在2维的图像平面也比较接近的像素算成一个区域，这样就对应一个区域的邻接链表，记录每个像素点的label值。当然代码中有一个传递凸胞的计算，合并2个表面张力很接近的相邻区域，这个我还没想怎么明白，希望比较清楚的朋友讲一讲。最后还有一个合并面积较小的区域的操作，一个区域不是对应一个modes值嘛，在待合并的较小的那个区域中，寻找所有的邻接区域，找到距离最小的那个区域，合并到那个区域就ok了。 Mean-Shift分割原理 Mean-Shift是一种非参数化的多模型分割方法，它的基本计算模块采用的是传统的模式识别程序，即通过分析图像的特征空间和聚类的方法来达到分割的目的。它是通过直接估计特征空间概率密度函数的局部极大值来获得未知类别的密度模式，并确定这个模式的位置，然后使之聚类到和这个模式有关的类别当中。下面对Mean-Shift算法进行简介。 设S是n维空间X中的一个有限集合，K表示X空间中λ球体的一个特征函数，则其表达式为：
核函数也称“窗口函数”。一维空间用到的核函数有高斯（Gaussian）、余弦弧（Cosinus arch）、双指数（Double Exponential）、均匀（Uniform）、三角（Trangle）、依潘涅契科夫（Epanechikov）、双依潘涅契科夫（DoubleEpanechnikov）、及双权（Biweight）函数。图2.1给出了最常用的几个核函数
给定一组一维空间的n个数据点集合令该数据集合 的概率密度函数假设为f (x)，核函数取值为，那么在数据点x处的密度估计可以按下式计算： 上式就是核密度估计的定义。其中，x为核函数要处理的数据的中心点，即数据集合相对于点x几何图形对称。核密度估计的含义可以理解为：核估计器在被估计点为中心的窗口内计算数据点加权的局部平均。或者：将在每个采样点为中心的局部函数的平均效果作为该采样点概率密度函数的估计值。
MeanShift实现： 1.选择窗的大小和初始位置. 2.计算此时窗口内的Mass Center. 3.调整窗口的中心到Mass Center. 4.重复2和3，直到窗口中心"会聚"，即每次窗口移动的距离小于一定的阈值，或者迭代次数达到设定值。 meanshift算法思想其实很简单：利用概率密度的梯度爬升来寻找局部最优。它要做的就是输入一个在图像的范围，然后一直迭代（朝着重心迭代）直到满足你的要求为止。但是他是怎么用于做图像跟踪的呢？这是我自从学习meanshift以来，一直的困惑。而且网上也没有合理的解释。经过这几天的思考，和对反向投影的理解使得我对它的原理有了大致的认识。 在opencv中，进行meanshift其实很简单，输入一张图像（imgProb），再输入一个开始迭代的方框（windowIn）和一个迭代条件（criteria），输出的是迭代完成的位置（comp ）。 这是函数原型： int cvMeanShift( const void* imgProb, CvRect windowIn,CvTermCriteria criteria, CvConnectedComp* comp ) 但是当它用于跟踪时，这张输入的图像就必须是反向投影图了。 为什么必须是反向投影图呢？首先我们要理解什么是反向投影图。 简单理解它其实实际上是一张概率密度图。经过反向投影时的输入是一个目标图像的直方图（也可以认为是目标图像），还一个输入是当前图像就是你要跟踪的全图，输出大小与全图一样大，它上像素点表征着一种概率，就是全图上这个点是目标图像一部分的概率。如果这个点越亮，就说明这个点属于物体的概率越大。现在我们明白了这原来是一张概率图了。当用meanshift跟踪时，输入的原来是这样一幅图像，那也不难怪它可以进行跟踪了。 半自动跟踪思路：输入视频，用画笔圈出要跟踪的目标，然后对物体跟踪。用过opencv的都知道，这其实是camshiftdemo的工作过程。 第一步：选中物体，记录你输入的方框和物体。 第二步：求出视频中有关物体的反向投影图。