一种基于样本有效性和KNN分类标记的采样传播型抠图方法

摘要

抠图是图像视频领域的关键技术之一,总体可分为采样方法和传播方法,各有优缺点.近年来,尽管采样传播方法得到广泛探索,但是样本有效性与图像的传播能力一直是采样传播型算法的关键所在.本文提出一种自适应采样传播抠图方法.首先使用采样方法对未知点进行抠图计算,并提出一种新的样本有效性综合判定方法,即从样本的重叠度、不透明度的合理性、与未知点之间的相似度三个方面,对采样抠图结果进行判定.符合判定要求的采样抠图结果将作为第一类初始数据输入传播抠图.对于未能通过判定的未知区域,提出一种基于KNN分类器标记算法进行处理,处理结果作为第二类初始数据输入传播抠图.该标记算法针对传播方法在复杂区域其传播性受限,通过对未知区域增加约束信息,来引导和提升该区域的传播性,从而提高后续传播抠图算法的抠图质量.最后,在上述两类初始数据基础上,发挥传播抠图对样本空间位置不敏感的特性,做最后处理并得到最终抠图结果.特别地,在后阶段的传播抠图处理过程中,针对不同初始矩阵数据来源,设定了不同的权值.第一类数据的权值相对较高,以采样抠图的结果为主,同时引入传播信息来优化结果.第二类数据的权值较低,通过标记增加约束以提升传播性,最终结果由传播抠图方法来完成.文中通过定性观察和定量分析相结合的方式对实验结果作出评价,并通过在线标准评价对实验结果进行评估.结果证明,所提方法在简单结构图像上的效果与其它方法相当,在复杂结构的图像上能够取得更好的效果.