针对点云数据进行Mean shift聚类，可以通过调整聚类算法的阈值以及搜索半径，来达到不同的聚类效果，内附有示例,运行test.m即可。

由于目前大多数交互式Graph-Cut分割算法很难达到精确分割且实时交互的效果.对此,提出一种基于局部颜色模型的改进算法.该算法利用Mean-Shift预分割,建立基于局部颜色模型的交互式分割框架,并将像素级的Graph-Cut算法转化为基于区域的算法进行快速求解.预分割之后的区域保持了原有图像的结构,不仅提高了采用局部颜色模型估计分布的准确性,而且基于区域Graph-Cut的算法明显降低了计算的复杂度.实验结果表明,改进后的算法不仅保证了分割的精确性,而且还达到了实时交互.

In landmark-based image registration, estimating the landmark correspondence plays an important role. In this letter, a novel landmark correspondence estimation technique using mean shift algorithm is proposed. Image corner points are detected as landmarks and mean shift iterations are adopted to find the most probable corresponding point positions in two images. Mutual information between intensity of two local regions is computed to eliminate mis-matching points. Multi-level estimation (MLE) t

Mean-shift MATLAB code.简单易用。当前比较流行的聚类方法

自动选择跟踪窗尺度的Mean-Shift 算法

在国外大学的网页上下载的，mean shift用于分割，分类图像。大家都知道 mean shift算法的应用领域是很广泛的，在跟踪，分割方面效果还是不错的。所以嘛，下载看看喽！

matlab mean shift图像分割算法源码，分享给大家

Rutgers的RIUL实验室将mean shift和synergistic分割算法以C++实现，并将派生的边缘检测方法集成到EDISON分析平台中，以自由软件的形式发放。

利用MATLAB平台，通过Mean shift算法对运动目标检测与跟踪的算法设计

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.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.