自然图像抠图技术的研究综述1  自然图像抠图技术概述自然图像抠图是指对图像前景和背景没有限制，可以从任何图像背景中精确地分离出前景的技术[6]。由于抠像问题是一个病态问题，在自然图像抠图技术中需要通过一定的用户交互求解1.1的抠像方程。主要的交互方式有两种，三分图和涂鸦方式。三分图是指一幅大小与原图像相等的图像，图像被用户划分为前景区、背景区以及未知区域，根据三分图，前背景为已知区域，自然图像抠图算法需要估算出未知区域的前景色背景色和前景的不透明度。涂鸦方式是为了提高自然图像抠图技术的实用性，提高用户的体验，目前已有部分自然图像抠图算法采用这种方式。用户只需要通过涂鸦式操作，使用笔刷分别在前背景的小部分上做标记。但是涂鸦方式没有完整的前背景样本，因此难以大面积的未知区域进行估算[5]。通过不同交互方式得到的用户交互信息和需要处理的图像一起输入到自然图像抠图算法中，输出即是得到的抠像结果。27419
由于自然图像抠图技术对前景和背景没有要求，得到了广泛的应用。下面将以自然图像抠图展开，分类介绍自然图像抠图技术国内外的研究状况。论文网
随着人们对自动抠像的要求越来越高，自然图像抠图技术是近年的研究热点，同时得到了快速的发展，目前已经有大量自然抠图算法被提出。自然抠像方法按照算法思想可以分为基于采样、基于传播以及采样和传播相结合的三大类算法[7]。
2  基于采样的抠图方法
普通的图像中，相近的像素的统计特征往往具有相关性，因此可以对相近的像素进行采样处理来估算未知区域像素的抠像参数α。基于采样的抠图方法为降低问题的欠约束性，通常采用三值图像的用户交互方式，该类方法假设未知像素的前背景信息能够由前背景区域像素颜色值估计得到。这类算法的基本过程为：首先，为未知区域内的每个混合像素采集前景、背景颜色样本；然后通过聚类、拟合、信度值计算等方式从采样得到的样本中选择最好的前背景颜色样本作为混合像素的前景和背景颜色；最后将估计的前景和背景颜色值代入合成方程求解该像素的alpha值。
Ruzon等[8]在2000年提出用统计学方法来估计alpha值的抠图方法，处理过程为：对于未知区域的像素，先取附近已知的前景和背景像素作为样本，进行聚类和统计，每个聚类使用高斯模型进行描述，然后根据样本颜色的概率模型和未知区域像素的颜色，推导该像素前景的不透明度。由于该方法颜色估计和alpha估计计算量很大，导致该算法的处理速度非常慢，抠图效率较低。Chuang等[9]提出了一种基于贝叶斯的抠图方法。该方法使用贝叶斯公式，把未知像素的估算问题转化为一个最大后验概率问题。算法已知该像素颜色C，目标是通过前景色F、背景色B以及alpha值，最大化后验概率。未知像素的处理方法是利用圆形的滑动窗口为未知像素区域的像素采样，处理顺序为未知区域的边界到内部，就像剥洋葱皮一样来处理未知区域内的每个像素，这样利用处理过的像素的结果来估计当前像素，可以获得更好的抠图效果。然后对采样的样本进行聚类，每种聚类建立高斯模型，建模时需要为样本添加相应权重，使得较优的样本能够得到有效的利用。
但是基于采样的技术，在不同的图像中，抠像结果的质量差异很大。在前景背景颜色分布重叠时，其抠图效果不是很好，因为，前背景部分重叠导致采样得到的前背景样本相似，这样就可能出现两个不同的样本对计算出的alpha值相差比较大，而且这两个样本对应信度值很高。这导致选择未知像素最优alpha的时出错。然而纹理特征可以在前背景颜色重叠情况下图像纹理特征可以很好的区分前景和背景。因此Ehsan Shahrian[10]提出一种加权颜色和纹理特征的采样抠图方法。 自然图像抠图技术的研究现状综述:http://www.youerw.com/yanjiu/lunwen_21897.html