自然图像抠图技术的研究

论文摘要

数字图像抠图技术是指把指定的前景从已有的自然图像中分离出来的一种技术。它最早被运用于影视业的特效制作中,为影视业赢得了巨大的商业价值。如今,抠图技术已经随着科技的日益发展而逐渐渗入到我们的日常生活中,抠图技术也从固定背景抠图技术发展到自然背景抠图技术。自然图像抠图技术在众多领域有着良好的应用前景,但是仍然有较多问题需要解决。目前已有的自然图像抠图技术主要可以分为:基于三分图的自然图像抠图技术和基于线条的自然图像抠图技术。基于三分图的自然图像抠图技术在抠图前需要用户对自然图像进行精细的区域划分,这类抠图技术的人机交互工作非常繁琐,易用性差。基于线条的自然抠图技术对用户输入的线条位置非常敏感,而且当用户输入的线条没有包含足够多的信息时会导致抠图效果不佳。本文对已有的自然图像抠图技术进行了分析与研究,针对目前自然图像抠图技术中存在的问题,结合目前计算机视觉中已有的算法模型提出了一种新的自然图像抠图方法。其基本思想是:在前景轮廓附近有颜色变化的前景区域输入不连续前景线段,在前景轮廓附近有颜色变化的背景区域输入不连续的背景线段,使用区域生长算法对用户输入的线条进行生长,在区域生长算法中,使用Munsell颜色空间中的颜色相似性度量算法作为其生长准则,能有效地对输入的线段进行区域生长,然后用轮廓查找方法查找前景区域和背景区域的轮廓,填充轮廓内部的区域,从而完成自然图像的区域划分工作。在处理未知区域像素点时,使用优化颜色样本的方法对其前景样本簇和背景样本簇进行筛选,提高了抠图的质量。实验表明,与传统的自然图像抠图技术相比,本文的自然图像抠图方法在区域划分上进行改进,不仅有效地减少了人机交互工作量,提高了其易用性,而且制作的三分图也非常精确。用优化颜色样本的方法筛选优秀的样本簇用于未知像素点的颜色估计,获得了理想的抠图效果。

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 课题背景
• 1.2 理论基础及问题定义
• 1.3 国内外现状
• 1.3.1 蓝屏抠图技术
• 1.3.2 基于三分图的自然图像抠图技术
• 1.3.3 基于线条的自然图像抠图技术
• 1.4 本文的主要工作
• 1.5 论文组织结构
• 2 颜色视觉特征和颜色相似性度量
• 2.1 引言
• 2.2 视觉基本原理
• 2.3 颜色空间
• 2.4 颜色相似性度量
• 2.4.1 RGB 颜色空间中的颜色相似性度量
• 2.4.2 HSI 颜色空间中的颜色相似性度量
• 2.4.3 L*a*b*颜色空间中的颜色相似性度量
• 2.5 本章小结
• 3 贝叶斯抠图方法的分析与实现
• 3.1 引言
• 3.2 贝叶斯框架
• 3.3 贝叶斯抠图基本流程
• 3.3.1 颜色采样
• 3.3.2 样本分簇
• 3.3.3 颜色估计
• 3.4 贝叶斯抠图的实现
• 3.5 本章小结
• 4 改进的自然图像抠图方法
• 4.1 引言
• 4.2 传统的区域划分方法
• 4.3 改进的区域划分方法
• 4.3.1 Munsell 颜色空间
• 4.3.2 相似性度量算法
• 4.3.3 区域生长
• 4.3.4 结果比较
• 4.4 优化颜色样本
• 4.5 本章小结
• 5 实验结果及分析
• 5.1 实验设计
• 5.2 结果分析
• 6 总结与展望
• 6.1 总结
• 6.2 展望
• 致谢
• 参考文献
• 附录
• 作者在攻读学位期间发表的论文目录