数字图像的透明度提取【文献综述】

《数字图像的透明度提取【文献综述】》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、毕业设计文献综述计算机科学与技术数字图像的透明度提取【摘要】数字图像处理技术是当今计算机科学与视觉技术一个非常热门的领域，尤其以图像分割技术更为活跃。随着图像分割技术的快速发展，分割效果比以前有了很大的改善与提高。尤其是一些新颖的算法和模型的提出，更促进了该领域的发展。本文提到的数字图像的透明度提取采用了基于随机场与随机游走理论的方法，通过用户交互，半自动处理来达到目标对象的提取。但基于随机理论的模型鲁棒性不强，适用范围有限，这些问题同时也是图像分割领域尚未完全解决的难题。对于图像分割技术，当图像的前背景过渡区域过大，或者前景存在大量空洞时，通常难以取得令

2、人满意的分割结果。通过通道将图像中的像素分为前景和背景，来达到对象分割。这就是本文所说的透明度技术。目前透明度提取技术包括基于Trimap的透明度提取技术和基于线条启发式的透明度提取技术。线条启发式的透明度提取技术不需要太多的用户交互，但这样时间复杂度就会提高，稳定性也比较差，所以本文将讨论基于Trimap的透明度提取。关键词：图像分割随机场随机游走数字图像处理透明度提取一、研究历史与现状值的概念由三个不同的领域提出：计算机图形学，电影和电视业，以及遥感。最初在图形学中值的应用是为了“SoftFilling”，即改变反走样区域例如一条边界的色彩值。Fini

3、kin和Barsky发表了当值未知但是原始前景和背景色彩已知的情况下最为综合的技术文章。边界上一个像素点的色彩被假定为落在由原始色彩展开的色彩空间的矢量子空间中。这项技术对于两个物体之间不超过四种的色彩有效。Mitsunage等人研制了一个更加健壮的估计值的系统。该系统假设值的梯度在与边界交叉时是和多维梯度矢量的模成比例的。将图像的梯度矢量投影到一个连接前景的平均色彩和背景的平均色彩的参考矢量上会增加信噪比。然而如毛发和水这样的物体不亲人这一条假设。在相当长的一段时弊内，电影和电视工作者使用蓝色屏幕进行简单的景物提取，被摄物置于一张蓝色屏幕前，录制完毕后胶

4、片上的蓝色屏幕被其他的背景所替代。Smith和Blinn非常详细的研究了这种“蓝屏”问题，发现仅仅在最简单的情况下才存在唯一的物象提取结果，他们证明：如果能在两张任意对应像素点都不同的背景屏幕下拍摄前景物体，那么在通常的情况下可以得到关于前景的唯一结果。但是，这种方法仅仅在能够再次拍摄同一个不动物体的录影棚内才有效。1最后，在遥感领域，“分享像素点”是一直以来被关注的课题，因为卫星图像的每一个像素点都混合了大量不同各类不同物质反射的光线。一种简单但是非常有效的方法来自于Adams等人。他们在考虑明暗亮度效应的同时由一幅火星表面照片推导出了岩石和土壤成分并且

5、估计了它们在图像中每一点的含量。然而这类技术通常需要预先给出许多并不包含在图像中的信息，例如各种物质的实验室参照光谱，对候选物质成分排序的研讨，和对数据的其他分析。本文中研究的景物提取，没有如此复杂的附加条件。输入仅仅是单幅数字图像。到目前为止，图像分割技术已经取得了不少令人的结果。其中，以随机理论为基础进行图像分割的技术研究最为成熟，涌现出了很多优秀的分割模型。最早使用随机模型进行图像处理的是S.Geman和D.Geman，他们提出使用马尔科夫随机场去除图像中的噪声，取得了很好的效果，但是模型的求解效率不高，难以处理圈套的图像。为此，很多人提取出了各种各

6、样的近似方法来求解模型，然而得到的结果只是局部极小值，很多情况下，效果并不理想，因此，未能得到广泛应用。而对于从单幅自然背景的的图像中提取景物，目前除了手工初步标出边界区域外，采用统计学的方法来补偿。2001年Hillman等人提出的主成分分析法，以及同年Y.Y.Chuang等人提出的贝叶斯方法便是基于统计学的代表。2004年，微软亚洲研究院JianSun等人根据PatrickP’erez等人2003年发表的PossionEditing方法，实际上是将透明度作为图像的一种内在属性—“场”，变分地寻求其最优解。通过对边界条件的限定，将变分的问题最终转化为求解

7、Possion方程。该方法将像素点的透明度值作为相互关联的整体来看，开创了基于透明度的景物提取的新时代。但是，对于在背景高度清晰复杂或是边缘前，背景色彩相似的情况下，上述各种自然景物提取方法的处理效果仍不理想。二、发展与趋势与观点未来的图像分割技术必定会往更少的用户交互，更高的分割质量方面发展，目前大部分的分割算法仍不能同时满足这两个条件。同时，由于自然图像的复杂性，我们很难开发一种通用的算法来满足各种图像。很多算法中都会用到一些经验参数，但这些参数都是固定的，未来的研究将会根据不同的图像，动态的选择合适的经验参数。在现有条件下，为了得到更加精确的分割对象

8、，我们将采用Trimap图来进行分割，这意味着我们会对图象进行预处