論文開題：魯棒摳圖算法的研究

大學(xué)本科畢業(yè)論文(設(shè)計)開題報告
學(xué)院：　計算機(jī)科學(xué)與技術(shù)學(xué)院　　　　　　　　專業(yè)班級：08計算機(jī)科學(xué)與技術(shù)3班

課題名稱 魯棒摳圖算法的研究

1、本課題的的研究目的和意義：

數(shù)字摳圖技術(shù)是一種用于精確提取圖像前景的技術(shù)。圖像中的前景和背景有時會出現(xiàn)覆蓋，或者前景中存在透明的部分，如何準(zhǔn)確地從背景中分離出前景，是一項很艱難的任務(wù)。而數(shù)字摳圖所要解決的就是這個問題。目前，已經(jīng)有許多經(jīng)典的摳圖算法。這些經(jīng)典算法主要可以分為三大類。如Yung-Yu Chuang等人提出的基于貝葉斯摳圖算法采用了抽樣統(tǒng)計方法。而孫劍等人提出的泊松摳圖(Poisson Matting)和Levin等人提出摳圖的閉合形式解(Closeci Form Solution)采用了基于局部連續(xù)性的方法。這兩種方
……（新文秘網(wǎng)http://www.jey722.cn省略560字，正式會員可完整閱讀）……　
自然圖像摳圖發(fā)展到今天也產(chǎn)生了許多不同的算法Rotoscoping是一種普遍使用的自然圖像摳圖技術(shù)，但這種技術(shù)過分依賴操作人員的經(jīng)驗，且工作量大，摳圖效果不夠好;Mitsunaga等提出了一種AutoKey的摳圖方法用來改進(jìn)Rotoscoping過程"在該方法中，通過Rotoscoping可以得到每一幀中前景物體的邊緣曲線，之后用少量的手工工作來校正每一幀的邊緣曲線AutoKey采用了一種自適應(yīng)的羽化方案，比較適用于前景物體的邊緣比較“硬”的情況，而不適用毛刺比較多的復(fù)雜邊緣。
在自然圖像摳圖領(lǐng)域用到的方法主要有KnockOut方法、Ruzon-Tomasi方法、Hillman方法、Bayesian方法、Poisson方法、Grabuct方法和基于感知的顏色空間摳圖。

本課題的主要研究內(nèi)容（提綱）和成果形式：

1、數(shù)字摳圖技術(shù)基本原理的研究
2、魯棒摳圖算法的研究
3、實驗結(jié)果與結(jié)論分析
成果形式：通過實驗結(jié)果分析，得出結(jié)論。
4、擬解決的關(guān)鍵問題：

研究并實現(xiàn)了魯棒摳圖算法(Robust Matting),它結(jié)合了基于采樣的摳圖算法和基于傳播的摳圖算法的優(yōu)點,同時彌補(bǔ)了它們的缺陷。該算法使用優(yōu)化顏色采樣算法進(jìn)行采樣,并同時計算樣本點的信度(Confidence),只選擇具有高信度的樣本點來計算估計掩膜值(Matte),然后使用Random Walk算法優(yōu)化估計值。實驗結(jié)果說明了該算法的優(yōu)越性。
5、研究思路、方法和步驟：

魯棒算法是一種基于Trimap的靜態(tài)圖像摳圖算法。首先要對圖像進(jìn)行Trimap劃分，將圖像劃分為前景區(qū)域、背景區(qū)域和未知區(qū)域。然后進(jìn)行魯棒采樣，通過樣本置信度對樣本進(jìn)行評估，來衡量樣本的優(yōu)劣。在衡量的時候有2條規(guī)則：
1、在顏色空間中, 如果點P 與直線FiBj 之間的距離越近,則點Fi 和Bj 越有可能是較優(yōu)的前背景樣本對;
2、在顏色空間中, 如果點P 離點Fi 或點Bj 的距離越近,點P 越有可能是未標(biāo)記的前景點或背景點, 并且, 期望未知區(qū)域中的點盡可能為純前景點或背景點。
在WANG的論文中對于未知區(qū)域中的一點P, 沿著Trimap 中的前景分隔線選擇距離P 點最近( 以圖像像素坐標(biāo)計算) 的20 個點作為候選前景樣本; 同樣沿著背景分隔線選取20 個點作為候選背景樣本點; 分別計算400 個樣本對的置信度, 選擇置信度最大的一組作為P 點的前背景樣本對。分別記錄下Fi和Bj，以及執(zhí)行度fp和αp。
接下來需要對算法進(jìn)行進(jìn)一步的優(yōu)化，主要是對α（不透明度）的進(jìn)一步優(yōu)化分析，這里主要用到了Random Walk的方法。
基本步驟：
1、摳圖技術(shù)基本原理的研究
2、按魯棒摳圖算法步驟實現(xiàn)各個算法；
3、觀察并分析結(jié)果，得出結(jié)論
6、本課題的進(jìn)度安排：

(1) 2011年10月至2012年1月： 數(shù)字 ……（未完，全文共2473字，當(dāng)前僅顯示1572字，請閱讀下面提示信息。收藏《論文開題：魯棒摳圖算法的研究》）