視覺(jué)感知特性指導(dǎo)下的自然圖像摳圖算法研究.pdf

1、摳圖(matting)是圖像處理的一項(xiàng)重要技術(shù)，其目標(biāo)是以遮罩形式提取出靜態(tài)圖像或動(dòng)態(tài)視頻中任意形狀的前景物體，以方便將提取出來(lái)的前景物體合成到全新場(chǎng)景中，得到新的合成圖像或視頻。摳圖成為圖像處理的研究熱點(diǎn)，吸引人們的關(guān)注，這主要有兩方面的原因。一方面，摳圖涉及到計(jì)算機(jī)視覺(jué)和機(jī)器學(xué)習(xí)的融合，為圖像編輯提供基礎(chǔ)，在工業(yè)設(shè)計(jì)和家庭娛樂(lè)等方面，有極其廣泛的應(yīng)用，具有巨大的商業(yè)價(jià)值。另一方面，提取任意形狀的前景也是圖形學(xué)和計(jì)算機(jī)視覺(jué)中非常具有挑

2、戰(zhàn)性的一個(gè)部分，目標(biāo)形狀的復(fù)雜細(xì)節(jié)、透明通道的處理、遮擋和光照改變、背景相似物的干擾等因素都使得該問(wèn)題異常復(fù)雜。盡管經(jīng)過(guò)幾十年的研究，不同研究者提出了很多摳圖算法，然而如何實(shí)現(xiàn)復(fù)雜環(huán)境下的魯棒和精確地前景提取依然需要深入研究，這使得摳圖具有較大的理論研究?jī)r(jià)值。本文深入分析現(xiàn)有摳圖技術(shù)存在的問(wèn)題，重點(diǎn)研究人類視覺(jué)感知特性指導(dǎo)下的自然圖像摳圖算法及其他若干問(wèn)題。
　　本文面向圖像特效制作和家庭休閑娛樂(lè)等應(yīng)用領(lǐng)域，將神經(jīng)生物學(xué)和認(rèn)知心理

3、學(xué)中關(guān)于人類感知特性的研究成果應(yīng)用到摳圖算法中，嘗試從這一角度出發(fā)，對(duì)自然圖像摳圖問(wèn)題進(jìn)行研究，使其在盡可能減少用戶交互量的同時(shí)，獲得高質(zhì)量的摳圖結(jié)果。本文在如下四個(gè)方面進(jìn)行了研究和探索。一、從優(yōu)化用戶輸入出發(fā)，考察視覺(jué)特性對(duì)摳圖算法的影響，結(jié)合視覺(jué)注意模型，研究更為便捷的交互方式，減少用戶的交互工作量;二、研究基于自然圖像結(jié)構(gòu)特征的三分圖修正方法，降低算法對(duì)用戶輸入的依賴程度;對(duì)貝葉斯摳圖算法進(jìn)行改進(jìn)，提高其對(duì)復(fù)雜圖像的處理能力;三、

4、探索以全局視覺(jué)顯著性為參考的顏色樣本采集方法，提高基于顏色采樣的魯棒摳圖算法的準(zhǔn)確性;四、研究基于結(jié)構(gòu)特征的局部自然圖像摳圖算法，用以對(duì)摳圖算法結(jié)果做局部修正，提高算法最終的遮罩效果。與已有方法不同，本文算法強(qiáng)調(diào)通過(guò)人類感知特性挖掘圖像中前景目標(biāo)的潛在信息，充分利用自然圖像的視覺(jué)特性，在降低算法對(duì)用戶交互的過(guò)度依賴的同時(shí)，提高算法的準(zhǔn)確性。
　　基于上述目標(biāo)，本文的主要?jiǎng)?chuàng)新點(diǎn)如下:
　　第一，針對(duì)包含單一前景目標(biāo)的自然圖像，

5、提出了一種基于人類視覺(jué)注意模型的半自動(dòng)摳圖算法。單一前景圖像摳圖中所提的前景物體對(duì)應(yīng)的正是注意模型中的感興趣物體，本文提出了一種以注意焦點(diǎn)作為問(wèn)題先驗(yàn)的摳圖方法，嘗試將注意模型合理的引入摳圖問(wèn)題中。提出包含先驗(yàn)指導(dǎo)信息的視覺(jué)注意模型，將注意焦點(diǎn)轉(zhuǎn)移范圍控制在感興趣目標(biāo)區(qū)域內(nèi)。利用注意焦點(diǎn)序列作為圖像的前景約束，能夠最大限度的提供前景先驗(yàn)，同時(shí)避免了用戶交互的無(wú)目的性。之后采用閉型優(yōu)化算法求解遮罩，能夠得到較高的摳圖質(zhì)量，實(shí)驗(yàn)結(jié)果表明該算

6、法適用于前景物體唯一且連通的自然圖像。
　　第二，研究利用圖像局部統(tǒng)計(jì)特性的摳圖算法。大部分摳圖算法能夠取得良好效果的前提條件是用戶輸入三分圖的精確性，然而，獲取精確的三分圖需要消耗大量的人力。針對(duì)三分圖未知區(qū)域過(guò)大，已知信息不充分這種情況，本文提出了一種三分圖修正算法，克服之前算法不能對(duì)圖像結(jié)構(gòu)信息建模的局限性，也降低了摳圖算法對(duì)三分圖精確性的要求。通過(guò)統(tǒng)計(jì)信息將未知區(qū)域中的若干點(diǎn)預(yù)先標(biāo)注為確定前景和背景，對(duì)輸入三分圖進(jìn)行修正，

7、從而為摳圖算法提供更為充分的樣本。傳統(tǒng)貝葉斯摳圖是一種基于統(tǒng)計(jì)學(xué)習(xí)的方法，用有向高斯混合模型表示待求解區(qū)域周圍的采樣信息，傳統(tǒng)貝葉斯摳圖算法對(duì)每個(gè)像素點(diǎn)分別求解，得到的遮罩是離散的。本文根據(jù)透明度值的統(tǒng)計(jì)特性對(duì)原最大似然函數(shù)進(jìn)行了改進(jìn)，實(shí)驗(yàn)證明改進(jìn)算法能夠消除遮罩的不連續(xù)性。本算法適用于難以人工劃分出精確三分圖的自然圖像。
　　第三，研究基于視覺(jué)顯著性的樣本采集方法及基于可信度的摳圖算法。提出了一種改進(jìn)的魯棒摳圖算法，結(jié)合基于顏色

8、采樣的摳圖算法和基于信任傳播的摳圖算法的優(yōu)點(diǎn)，同時(shí)克服以往采樣過(guò)程中沿區(qū)域邊緣均勻采樣的做法，重點(diǎn)采集顯著樣本點(diǎn)，從而最大限度的保證樣本對(duì)的完整性。而后計(jì)算樣本點(diǎn)的可信度，將線性假設(shè)、顏色空間距離、局部顯著性等作為評(píng)判依據(jù)，選擇具有高可信度的樣本點(diǎn)來(lái)估計(jì)遮罩值，最后使用隨機(jī)游走算法優(yōu)化估計(jì)值。實(shí)驗(yàn)表明，該采樣方法能夠比以往采樣算法得到更完整的樣本對(duì)，提高了摳圖算法的遮罩結(jié)果。
　　第四，研究基于結(jié)構(gòu)特征的局部修正摳圖算法。提出了一