自然圖像摳圖算法研究與優(yōu)化.pdf

1、圖像摳圖技術(shù)用于提取圖像中用戶感興趣的前景物體，是圖像和視頻處理領(lǐng)域中的一項(xiàng)基礎(chǔ)技術(shù)。傳統(tǒng)的藍(lán)屏摳圖技術(shù)相對成熟，摳圖效果好，但對背景有限定要求，且實(shí)驗(yàn)條件較苛刻。自然圖像摳圖對背景沒有任何的限制條件，其著力于處理毛絨物體和半透明物體的提取問題。本文針對自然圖像摳圖中存在的問題，提出了兩種改進(jìn)算法。具體工作如下：
　　首先，譜摳圖基于圖割的方法實(shí)現(xiàn)自動摳圖，摳圖結(jié)果魯棒性不強(qiáng)。本文在譜摳圖算法的基礎(chǔ)上，提出一種基于顯著性檢測的自動

2、摳圖算法。提出的算法主要分為三個(gè)步驟：步驟一，利用顯著性檢測算法檢測出前景物體的大致位置，像素的顯著性值作為摳圖的先驗(yàn)約束；步驟二，構(gòu)建圖像的拉普拉斯矩陣，利用譜聚類的性質(zhì)以及摳圖的模型假設(shè)，構(gòu)建摳圖方程。用牛頓迭代法求解方程，獲得摳圖掩碼層。利用顯著性信息對摳圖掩碼層進(jìn)行初步分類；步驟三，排列未知摳圖掩碼層，通過摳圖能量方程求出最優(yōu)組合，獲得最終摳圖掩像。本文對顯著性檢測算法作了相應(yīng)改進(jìn)，利用反饋方式，提高了整個(gè)算法的魯棒性。實(shí)驗(yàn)顯示

3、提出的方法在掩圖精度和算法計(jì)算時(shí)間上，相比其它基于譜摳圖改進(jìn)的算法有所改善。并且和流行的摳圖算法相比，本文提出的方法在魯棒性上也具有可比性。
　　其次，譜摳圖算法擴(kuò)展譜分割算法獲得摳圖掩碼層，基于少量的前景/背景約束就能獲得初步的摳圖結(jié)果。但當(dāng)算法局部顏色線性模型假設(shè)失效，或者拉普拉斯矩陣未能正確聚類混合像素時(shí)，摳圖掩像準(zhǔn)確性下降。本文利用局部采樣估計(jì)對譜摳圖算法進(jìn)行優(yōu)化,提出了一種基于少量用戶交互就能取得魯棒摳圖結(jié)果的算法。該算