针对动态背景下运动目标的检测问题，提出了一种基于鲁棒M估计和Mean Shift聚类的目标检测新方法。首先，在考虑全局光照变化的情况下，构建鲁棒M估计器估计全局运动，以实现最小化相邻2帧图像中所有像素亮度的绝对残差和，根据M估计得到像素点权值，提取出代表局部运动信息的离群点；在离群点中均匀抽取网格点，然后利用Mean Shift聚类算法实现不同运动点的分割；根据聚类的结果生成凸包，准确分割出运动目标区域。实验结果表明，该方法能检测出动态背景下的多个运动目标区域，多目标检测准确度到达95%以上，并且只需两帧图像就可以准确检测并锁定运动目标，满足实时处理的要求，具有一定的工程意义.

为实现软性电路板(FPC)金面缺陷的准确自动检测，提出了一种以Gabor滤波器和Mean Shift聚类算法为基础的完全无监督FPC金面缺陷检测方法。首先，用Gabor滤波器组、数学形态学与Gaussian平滑处理抽取待检测图像的多维特征；然后，使用主元分析(PCA)将每个像素特征维数降为二维；最后，使用Mean Shift方法对二维特征数据进行聚类并将聚类的结果转化为二值图像。整个检测过程无需预先知道缺陷的类型和FPC金面的纹理类型，是一种完全无监督的检测方法。对带有各种缺陷的FPC金面进行检测实验，结果表明，该方法能够准确地将各类缺陷区域从背景区域中分离出来，具有自动缺陷检测系统所要求的识别能力强、稳定性高的特点。