2025《抠图算法的鲁棒性研究国内外文献综述》2000字.docVIP

抠图算法的鲁棒性研究国内外文献综述

1984年，Porter和DuffREF_Re\r\h[5]给出了颜色组合方程：

MACROBUTTONMTPlaceRefSEQMTEqn\h公式(SEQMTChap\c\*Arabic1-SEQMTEqn\c\*Arabic1)

在抠图问题中，公式(1-1)中的I、F和B分别表示图像上某个像素点的合成色、前景色和背景色，是该点的透明度，在RGB三通道上和灰度图像中都适用。进一步，针对不同类型的颜色空间，更加普遍的颜色组合方程如下：

MACROBUTTONMTPlaceRefSEQMTEqn\h公式(SEQMTChap\c\*Arabic1-SEQMTEqn\c\*Arabic2)

抠图一般被认为是非限定问题，需要以先验知识为条件进行求解。早期，Smith等人REF_Re\r\h[6]在捕获图像时就使用纯色作为背景，这样就使方程组中未知数B转换为已知参数。这也是最早的“蓝屏抠图”技术的起源，此方法的优点是获得的结果相对精确，但对自然图像的抠图来说意义不大，因为现实生活中拍摄的图像几乎不可能以单一颜色为背景，这也是为什么要突破“蓝屏抠图”技术的原因。在日常的自然图像抠图应用中，用户交互和图像信息统计常常被作为先验假设应用到自然图像抠图技术中，基于颜色采样的抠图因此出现，它属于对图像像素特性进行统计的方法，通常要求输入端指定一个trimap图，这是一种让用户确定前景区域和背景区域等一部分先验条件，使用三元图为图像处理提供了有效的先验信息，同时也减少了需要求解的范围。

基于采样的抠图算法是自然抠图算法早期的思想，Ruzon-Tomasi抠图算法以及Yung-YuChuang等人REF_Re\r\h[7]提出的贝叶斯（Bayesian）抠图算法都是基于采样的方式进行的，基于局部连续性REF_Re\r\h[8]的方法则是在抠图问题中求解闭合形式解的基础，孙剑等人REF_Re\r\h[9]提出的泊松抠图(PoissonMatting)和Levin等人REF_Re\r\h[10]提出抠图的闭合形式解(CloseciFormSolution)采用的就是这种方法REF_Re\r\h[11]。这些抠图算法属于带参数的方法，它们针对未知区域的像素，优先考虑距离因素，采集距离未知区域较近的前景与背景区域的像素作为样本点，最后应用统计学中的统计分布模型对位置像素点进行求解。

Shahrian等人REF_Re\r\h[12]在2013年将图像平面划分为不相交的部分，包括相等的平面角度和选取样本时源于未知像素的射线，此抠图方法也是基于三分图进行操作，在已经划分完成的前景和背景的边界区域的像素点中，首先利用数学模型筛选每一个未知像素点的最佳前景后景样本。考虑到空间、光度以及像素的概率特征，对筛选后的样本添加纹理特征，补充颜色信息，优化结果，将包含颜色和纹理特征的目标函数应用于选中的样本进行实现的。该抠图方法在前景和背景在颜色分布上有重叠的情况下效果较好，当前景与背景颜色杂乱时，所估计样本点的掩膜值的质量会有所降低。

次年，Shahrian等人REF_Re\r\h[13]利用高度相关的边界样本以及前景和背景区域内部的样本来建立新型样本区，大面积覆盖图像颜色分布不均样本。与之前改进的是，此算法的目标函数增加了额外的信息，也就是彩色失真和颜色的图像统计信息，特别是颜色统计，主要用于剔除因前景和背景颜色分布重叠而导致错误的样本，最后，利用传统的拉普拉斯算子对估计的掩膜值完成进一步改善。在图像场景比较复杂的情况下，以相似性来度量像素点特征的抠图算法相较于以颜色度量像素点的方法能显现出更好的鲁棒性，因为相似性通常定义的区域比较小，这能更好地保证算法的局部平滑性这个前提假设，从而使复杂图像的细节处理更加稳定。但是，若样本对中前景与背景颜色分布相似度较高，预估的掩膜值的质量会有所下降。

目前，各个领域的科研工作者在包括图像融合REF_Re\r\h[14]、自动前景提取REF_Re\r\h[15]、医学影像处理REF_Re\r\h[16]等中层视觉任务和目标分类REF_Re\r\h[17]、虚拟现实等高层视觉任务中进行了自