声明
摘要
第1章 绪论
1.1 自然图像抠像技术概述
1.2 本文研究的问题和工作
1.3 符号说明
第2章 预备知识
2.1 高斯混合模型(GMM)
2.1.1 单高斯模型(SGM)
2.1.2 高斯混合模型
2.2 图割介绍
2.3 图像的数学描述
2.4 三分图
2.5 超像素
第3章 基于核函数模型的抠像方法
3.1 核函数
3.2 几种常用核函数介绍
3.3 基于核函数抠像方法的数学模型
3.4 基于图割的能量函数最小化方法
3.4.1 图可替代
3.4.2 能量函数最小化
3.4.3 前景和背景图像重建
3.4.4 能量函数最小化快速算法
第4章 基于迭代边界搜索的抠像方法
4.1 闭合解抠像方法介绍
4.2 基于迭代边界搜索的抠像方法
4.2.1 图像边界搜索
4.2.2 迭代边界搜索抠像方法
第5章 基于显著性检测的自动抠像方法
5.1 Spectral Matting抠像方法介绍
5.2 基于显著性检测的自动抠像方法
5.2.1 Saliency Detection via Graph-Based Manifold Ranking
5.2.2 基于显著性检测的自动抠像方法
第6章 数值实验
结论
参考文献
致谢