自然图像抠像的几种新方法

摘要

数字抠像技术是从影视行业发展而来的.所谓自然图像抠像，是指从一幅自然图像中提取用户感兴趣的物体的技术.自然图像抠像技术被广泛应用于影视特效制作，多媒体标题的制作，人机交互以及物体跟踪等众多领域.
　　 本文提出了两种采样与传播相结合的方法，一种基于显著性检测的自动抠像方法.本文具体工作如下:
　　 1.提出了一种基于核函数模型的抠像方法.该方法借助GrabCut抠像方法的思想建立抠像数学模型，并用图割方法对该模型进行求解.本文给出了该模型的一般图割求解方法以及快速图割求解方法.该抠像方法实现了从一幅自然图像中提取非透明的前景物体，能够获得比GrabCut更好的抠像效果，另外本文提出的求解基于核函数抠像模型的快速算法，该算法在计算速度上较GrabCut方法有较大程度的提高.
　　 2.提出了一种基于迭代边界搜索的抠像方法.该方法分为四个步骤，步骤一，预处理步骤.步骤二，抠像不成功像素点的搜索.步骤三，抠像不成功像素点的重抠像.步骤四，迭代过程.该方法能够有效的从自然图像中提取含窄透明区域的前景物体.在抠像效果上和闭合解抠像方法的效果相当，但是在处理时间上却只有闭合解抠像方法的一半左右.
　　 3.提出了一种新的自动抠像方法，即基于显著性检测的自动抠像方法.该方法利用显著性检测的结果作为先验信息建立自动抠像数学模型.该方法不需要任何人工交互，能够自动的从一幅自然图像中提取前景物体.这种自动抠像方法相比当前最具代表性的自动抠像方法（谱抠像方法），在抠像效果和处理速度上都有很大提高.

目录

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