抠图是指从图像或视频序列中精确地提取出前景对象的一种技术。抠图技术作为视觉特效领域的一种关键技术,被广泛地应用于图像编辑和电影制作等领域。由于抠图问题的欠约束性,求解该问题时需要增加额外的约束条件。传统的抠图方法通过限定拍摄的环境来达到此目的,具有极大的局限性。近年来,针对复杂背景的自然图像抠图技术被广泛研究。由于该类方法对环境没有限制,因此具有更广阔应用空间。但是,由于抠图速度、精度以及用户交互量等问题,该类方法仍处于研究发展阶段。视频抠图可以看作是图像抠图的扩展,但比图像抠图要更复杂。如何在较短的时间内,用较少的用户交互获取较高质量的动态前景对象是近年来的研究热点和难点。基于少量用户交互的半自动视频抠图技术目前已经取得了较大进展,然而,全自动的视频抠图技术还有待进一步地深入研究。本文以现有的抠图算法为基础,对蓝屏抠图、自然图像抠图和复杂背景的视频抠图进行了深入研究。具体研究工作如下:1)在色差抠图技术的基础上,设计了一种基于改进的联合双边滤波的蓝屏抠图算法。通过GPU加速,该算法取得了实时的效果。实验表明,该算法具有快速高效的特点。2)针对引导滤波器在线性模型假设不成立时,抠图效果不够理想的情况提出了三种改进方法。第一种方法通过引入中值滤波来平滑引导图像,从而增加线性模型假设的准确性。第二种方法针对输入初始不透明度误差较大的情况,提出了用两次引导滤波来优化抠图效果。第三种方法基于颜色聚类球模型,将局部邻域内的线性模型假设扩展到非局部的特征空间。实验表明,以上三种改进方法在抠图效果上均优于原方法。3)以Vi Be算法为基础,结合本文改进的引导滤波抠图方法,实现了一种全自动的视频抠图方法。实验表明,该方法不仅效果较好,而且速度较快。