ミーンシフトの原理と応用

摘要

ミーンシフトは、カーネル密度推定を用いるロバストなデータ解析手法で、福永らによって提唱されたのち最近のCheng やComaniciu の定式による広範なビジョン問題への応用成功例が知られている。本稿では、ミーンシフト法の基本原理およびその一般的な特徴と利点を順を追って解説した上で、最近の理論的拡張および画像の領域分割やビデオ上の物体追跡などの実際のビジョン応用例について概説する。%Mean shift is a popular robust framework for statistical data analysis using kernel density estimation, originally proposed by Fukunaga and Hosteller in 70's. Recently, due to the work by Cheng and Comaniciu, this method has been re-discovered and successfully applied to a wide range of vision applications. This article provides a comprehensive overview of the basic theory and applications of mean shift, highlighting its practical and theoretical advantages, recent theoretical extensions, as well as vision applications such as image segmentation and object tracking.