一种基于迭代分割抠图算法的研究与改进

论文摘要

数字图像抠图技术是指把任意形状的前景物体从图像中分割出来的一种技术,如今它己经成为影视特效等多媒体制作中不可或缺的关键技术,因此该技术具有巨大的商业价值。但是,现有的抠图技术难以同时满足人们在数字图像抠图的速度和效果两个方面的需求,同时,它又难以对自然界存在的大量的颜色变化比较剧烈的复杂图像进行抠图处理。本文针对现有的数字图像抠图技术存在的问题,就如何提高分割速度和改善最终抠图效果两方面进行了研究。首先,本文针对Grab Cut算法中所使用的数学模型和数学公式进行研究,对其中一部分不利于实现,或者计算量较大的部分,在不影响最终效果的前提下,采用其它公式或模型对其进行替代,在此基础上对原算法进行实现。在高斯混合模型的初始化聚类方面,引入了二叉树颜色量化算法进行聚类,相较其他算法取得了更好的迭代分割结果。在迭代计算方面,本文针对高斯混合模型组件在迭代过程被吸收的现象提出并实现了迭代过程中的重新聚类与混合聚类的方法。相比原算法的迭代过程,这种方式一方面加速了迭代过程中的收敛速度,另一方面迭代后的结果与前相比更佳符合分割的要求。最后,针对Grab Cut算法中,对于平滑项的处理是局部收敛的,每次进行计算只是针对每个正在处理的像素点以及与其相邻的几个像素点进行处理的,因此整个迭代最小化是局部收敛的,因此,在本文中,利用互异点对对最小化迭代进行全局上的约束。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 课题研究的意义
• 1.3 数字抠图方法的研究现状
• 1.3.1 单一背景的数字图像抠图技术（蓝屏抠图或绿屏抠图）
• 1.3.2 早期的复杂背景下的数字图像抠图技术（自然图像抠图）
• 1.3.3 点在多边形内外算法简介
• 1.3.4 几个数字图像抠图的新方法
• 1.3.5 图像合成技术
• 1.4 论文主要工作与组织结构
• 第二章 GrabCut 自然抠图方法的理论基础
• 2.1 Graph Cut 图像分割算法简介
• 2.2 Grab Cut 算法基本概念
• 2.3 高斯混合模型的基本概念以及MLE 方法
• 第三章 GrabCut 自然抠图方法的分析与初步实现
• 3.1 GrabCut 算法基本流程
• 3.2 Grab Cut 算法的实现
• 3.2.1 数据结构
• 3.2.2 初始化
• 3.2.3 高斯混合模型
• 3.2.4 最小分割
• 3.2.5 用户编辑
• 第四章 GrabCut 方法中高斯混合模型初始化聚类的研究与改进
• 4.1 高斯混合模型的初始化
• 4.1.1 利用灰度值进行聚类的方法
• 4.1.2 利用二叉树颜色量化算法创建初始化高斯混合模型
• 4.2 重新聚类与混合聚类
• 4.2.1 重新聚类
• 4.2.2 混合聚类
• 第五章 GrabCut 方法中的平滑处理
• 5.1 目前的平滑处理方式
• 5.2 利用互异点进行全局平滑
• 5.2.1 互异点的定义
• 5.2.2 互异点处理全局平滑优化
• 第六章 总结与研究工作展望
• 6.1 研究内容总结
• 6.2 研究工作展望
• 参考文献
• 发表论文和科研情况说明
• 致谢