论文部分内容阅读
数字抠图技术是把图像中的特定部分从其他部分中分离出来的一种图像处理技术,它在图像处理、影视制作及虚拟现实领域有着广泛的应用。最初出现的蓝屏抠图技术和差异抠图技术对图像背景都有严格的限制,使用起来都有一定的局限性也很不方便。而随后出现的自然图像抠图技术因对图像背景不做限制,应用起来很方便,受到了越来越多的关注。
自然图像抠图技术主要通过操作者手工标定前、背景提示信息,然后利用这些提示信息和事先假定的图像统计分布特性,建立抠图模型求解掩像图,进而通过掩像图将前景目标从背景中提取出来。如何建立快速、准确、有效的抠图模型,一直是自然图像抠图技术研究的重点。
本文对自然图像抠图技术进行研究,并分析比较目前出现的多种自然图像抠图方法的优缺点。本文的主要工作包括:
1.研究分析基于采样的抠图方法中较有代表性的Bayes抠图算法,该算法在速度和效果方面取得比较好的平衡,对于一些背景比较复杂的图像,其也能够获得比较好的抠图效果。但其未定义贝叶斯框架中的平滑约束项,从而导致生成的掩像图容易出现脉冲噪音,本文以提高抠图效果为目的,考虑分簇采样点所占比重对α值估算准确度的影响,在贝叶斯框架中嵌入一个含比重因子的平滑约束项表达式,进而提出一种改进的Bayes抠图算法。实验结果表明改进后的算法,有效的消除了脉冲噪音,使生成的掩像图更为光滑,取得了更好的抠图效果。
2.分析采样传播相结合的抠图方法中最具代表性的鲁棒抠图,并在算法思想的理论上与基于采样的抠图方法进行比较,说明该方法的优越性,然后通过实验加以证实。