图像在获取或传输过程中常受到各种噪声的干扰,导致其质量受到或多或少的影响。为了改善图像的质量,常常需要抑制图像噪声。此外,对图像特征信息进行分析与理解,图像分割是必不可少的步骤。相比灰度图像,彩色图像以丰富的色彩信息强化了人眼对细节的感知能力。对彩色图像滤波与分割进行研究具有重要的研究价值和现实意义。Mean Shift算法是一种基于核函数密度梯度的无参估计方法。作为一种有效的统计迭代算法,该算法自提出以来得到了许多学者的关注和研究,在图像处理及机器视觉领域中获得了广泛的应用。本文针对Mean Shift算法在彩色图像滤波与分割中的应用进行研究,主要工作如下：(1)针对Mean Shift算法在图像滤波中的两个关键参数——带宽和权重进行客观分析,提出一种基于自适应Mean Shift算法的彩色图像滤波方法。该方法首先根据图像颜色信息的灰色关联度定义自适应空域带宽；然后利用颜色粗糙度计算自适应值域带宽,再根据色彩差获得各采样点的权重；最后用改进后的自适应Mean Shift算法对图像进行滤波。仿真实验结果表明,所提方法在抑制图像噪声的同时,滤波效果更符合人眼视觉感知且能更好地保留图像边缘等细节信息。(2)针对传统Mean Shift算法分割彩色图像存在的过分割问题,利用超像素概念提出一种基于Mean Shift算法和区域生长的彩色图像分割方法。该方法首先采用Mean Shift算法对彩色图像进行超像素初分割和极小超像素区域消除,从而得到超像素；然后以所得到的超像素作为区域生长种子点将它们从左到右、从上到下按相似准则进行生长；最后合并分割结果中存在的小区域。仿真实验结果表明,所提方法能够有效分割彩色图像。