摳圖算法的魯棒性研究國內(nèi)外文獻(xiàn)綜述1984年，Porter和DuffREF_Ref72069580\r\h[5]給出了顏色組合方程： MACROBUTTONMTPlaceRefSEQMTEqn\h公式(SEQMTChap\c\*Arabic1-SEQMTEqn\c\*Arabic1)在摳圖問題中，公式(1-1)中的I、F和B分別表示圖像上某個(gè)像素點(diǎn)的合成色、前景色和背景色，是該點(diǎn)的透明度，在RGB三通道上和灰度圖像中都適用。進(jìn)一步，針對不同類型的顏色空間，更加普遍的顏色組合方程如下： MACROBUTTONMTPlaceRefSEQMTEqn\h公式(SEQMTChap\c\*Arabic1-SEQMTEqn\c\*Arabic2)摳圖一般被認(rèn)為是非限定問題，需要以先驗(yàn)知識為條件進(jìn)行求解。早期，Smith等人REF_Ref72069593\r\h[6]在捕獲圖像時(shí)就使用純色作為背景，這樣就使方程組中未知數(shù)B轉(zhuǎn)換為已知參數(shù)。這也是最早的“藍(lán)屏摳圖”技術(shù)的起源，此方法的優(yōu)點(diǎn)是獲得的結(jié)果相對精確，但對自然圖像的摳圖來說意義不大，因?yàn)楝F(xiàn)實(shí)生活中拍攝的圖像幾乎不可能以單一顏色為背景，這也是為什么要突破“藍(lán)屏摳圖”技術(shù)的原因。在日常的自然圖像摳圖應(yīng)用中，用戶交互和圖像信息統(tǒng)計(jì)常常被作為先驗(yàn)假設(shè)應(yīng)用到自然圖像摳圖技術(shù)中，基于顏色采樣的摳圖因此出現(xiàn)，它屬于對圖像像素特性進(jìn)行統(tǒng)計(jì)的方法，通常要求輸入端指定一個(gè)trimap圖，這是一種讓用戶確定前景區(qū)域和背景區(qū)域等一部分先驗(yàn)條件，使用三元圖為圖像處理提供了有效的先驗(yàn)信息，同時(shí)也減少了需要求解的范圍?；诓蓸拥膿笀D算法是自然摳圖算法早期的思想，Ruzon-Tomasi摳圖算法以及Yung-YuChuang等人REF_Ref72066090\r\h[7]提出的貝葉斯（Bayesian）摳圖算法都是基于采樣的方式進(jìn)行的，基于局部連續(xù)性REF_Ref72175490\r\h[8]的方法則是在摳圖問題中求解閉合形式解的基礎(chǔ)，孫劍等人REF_Ref72066896\r\h[9]提出的泊松摳圖(PoissonMatting)和Levin等人REF_Ref72066903\r\h[10]提出摳圖的閉合形式解(CloseciFormSolution)采用的就是這種方法REF_Ref72175466\r\h[11]。這些摳圖算法屬于帶參數(shù)的方法，它們針對未知區(qū)域的像素，優(yōu)先考慮距離因素，采集距離未知區(qū)域較近的前景與背景區(qū)域的像素作為樣本點(diǎn)，最后應(yīng)用統(tǒng)計(jì)學(xué)中的統(tǒng)計(jì)分布模型對位置像素點(diǎn)進(jìn)行求解。Shahrian等人REF_Ref72175725\r\h[12]在2013年將圖像平面劃分為不相交的部分，包括相等的平面角度和選取樣本時(shí)源于未知像素的射線，此摳圖方法也是基于三分圖進(jìn)行操作，在已經(jīng)劃分完成的前景和背景的邊界區(qū)域的像素點(diǎn)中，首先利用數(shù)學(xué)模型篩選每一個(gè)未知像素點(diǎn)的最佳前景后景樣本?？紤]到空間、光度以及像素的概率特征，對篩選后的樣本添加紋理特征，補(bǔ)充顏色信息，優(yōu)化結(jié)果，將包含顏色和紋理特征的目標(biāo)函數(shù)應(yīng)用于選中的樣本進(jìn)行實(shí)現(xiàn)的。該摳圖方法在前景和背景在顏色分布上有重疊的情況下效果較好，當(dāng)前景與背景顏色雜亂時(shí)，所估計(jì)樣本點(diǎn)的掩膜值的質(zhì)量會有所降低。次年，Shahrian等人REF_Ref72067027\r\h[13]利用高度相關(guān)的邊界樣本以及前景和背景區(qū)域內(nèi)部的樣本來建立新型樣本區(qū)，大面積覆蓋圖像顏色分布不均樣本。與之前改進(jìn)的是，此算法的目標(biāo)函數(shù)增加了額外的信息，也就是彩色失真和顏色的圖像統(tǒng)計(jì)信息，特別是顏色統(tǒng)計(jì)，主要用于剔除因前景和背景顏色分布重疊而導(dǎo)致錯誤的樣本，最后，利用傳統(tǒng)的拉普拉斯算子對估計(jì)的掩膜值完成進(jìn)一步改善。在圖像場景比較復(fù)雜的情況下，以相似性來度量像素點(diǎn)特征的摳圖算法相較于以顏色度量像素點(diǎn)的方法能顯現(xiàn)出更好的魯棒性，因?yàn)橄嗨菩酝ǔ６x的區(qū)域比較小，這能更好地保證算法的局部平滑性這個(gè)前提假設(shè)，從而使復(fù)雜圖像的細(xì)節(jié)處理更加穩(wěn)定。但是，若樣本對中前景與背景顏色分布相似度較高，預(yù)估的掩膜值的質(zhì)量會有所下降。目前，各個(gè)領(lǐng)域的科研工作者在包括圖像融合REF_Ref72067059\r\h[14]、自動前景提取REF_Ref72067068\r\h[15]、醫(yī)學(xué)影像處理REF_Ref72067074\r\h[16]等中層視覺任務(wù)和目標(biāo)分類REF_Ref72067080\r\h[17]、虛擬現(xiàn)實(shí)等高層視覺任務(wù)中進(jìn)行了自然圖像摳圖的應(yīng)用的開發(fā)與探索。然而，自然圖像摳圖失去了傳統(tǒng)色鍵摳圖（即“藍(lán)屏摳圖”）中純色背景的約束條件，這也導(dǎo)致由于先驗(yàn)知識減少影響了摳圖精度的結(jié)果，這也意味著目前的摳圖技術(shù)仍然面臨魯棒性欠佳的困境。雖然摳圖技術(shù)已經(jīng)在各個(gè)領(lǐng)域中廣泛地運(yùn)用，但其潛在的應(yīng)用方式仍值得深入挖掘，而且現(xiàn)有的摳圖技術(shù)仍存在明顯的瑕疵，例如需要精細(xì)的用戶交互，難以在多種不同復(fù)雜度的圖像中都高精度地提取出前景圖像等等，所以，對于研究人員而言，摳圖算法的提取效果和魯棒性仍然值得挑戰(zhàn)和研究。參考文獻(xiàn)J.WangandM.F.Cohen,"OptimizedColorSamplingforRobustMatting,"2007IEEEConferenceonComputerVisionandPatternRecognition,2007,pp.1-8.GradyL,SchiwietzT,AharonS,etal.Randomwalksforinteractivealpha-matting[C].ProceedingsofVisualizationImagingandImageProcessing,ACTAPress,2005:423-429.Q.Chen,D.LiandC.Tang,"KNNMatting,"inIEEETransactionsonPatternAnalysisandMachineIntelligence,vol.35,no.9,pp.2175-2188,Sept.2013,doi:10.1109/TPAMI.2013.18.孔祥勇.啟發(fā)式優(yōu)化算法在幾類典型優(yōu)化問題中的應(yīng)用[D].東北大學(xué),2015.ThomasPorterandTomDuff.1984.Compositingdigitalimages.InProceedingsofthe11thannualconferenceonComputergraphicsandinteractivetechniques(SIGGRAPH'84).AssociationforComputingMachinery,NewYork,NY,USA,253–259.Smith,Alvy&Blinn,James.(1996).BlueScreenMatting''.Proc.ofSIGGRAPH'96.259-268.Yung-YuChuang,BrianCurless,DavidH.Salesin,andRichardSzeliski.ABayesianApproachtoDigitalMatting.InProceedingsofIEEEComputerVisionandPatternRecognition(CVPR2001),Vol.II,264-271,December2001王利.基于局部特征與全局結(jié)構(gòu)的輪廓檢測算法研究[D].吉林大學(xué),2016.SunJ,JiaJ,TangC,etal.Poissonmatting[C].internationalconferenceoncomputergraphicsandinteractivetechniques,2004:315-321.AnatLevin,DaniLischinski,andYairWeiss.2006.AClosedFormSolutiontoNaturalImageMatting.InProceedingsofthe2006IEEEComputerSocietyConferenceonComputerVisionandPatternRecognition-Volume1(CVPR'06).IEEEComputerSociety,USA,61–68.鄭加明,陳昭炯.摳圖技術(shù)中三分圖生成算法的研究[J].信息系統(tǒng)工程,2010(11):73-76.VarnousfaderaniES,RajanD.Weightedcolorandtexturesampleselectionforimagematting.IEEETransImageProcess.2013Nov;22(11):4260-70.Shahrian,Ehsan&Rajan,Deepu&Price,Brian&Cohen,Scott.(2013).ImprovingImageMattingUsingComprehensiveSamplingSets.Proceedings/CVPR,IEEEComputerSocietyConferenceonComputerVisionandPatternRecognition.IEEEComputerSocietyConferenceonComputerVisionandPatternRecognition.636-643.10.1109/CVPR.2013.88.Y.Chen,J.GuanandW.Cham,"RobustMulti-FocusImageFusionUsingEdgeModelandMulti-Matting,"inIEEETransactionsonImageProcessing,vol.27,no.3,pp.1526-1541,March2018.D.Cho,S.Kim,Y.TaiandI.S.Kweon,"AutomaticTrimapGenerationandConsistentMattingforLight-FieldImages,"inIEEETransactionsonPatternAnalysisandMachineIntelligence,vol.39,no.8,pp.