数字图像的透明度提取【开题报告】.doc

1、1毕业设计开题报告计算机科学与技术数字图像的透明度提取一、选题的背景与意义数字图像处理技术是一个跨学科的领域。随着计算机科学技术的不断发展，图像处理和分析逐渐形成了自己的科学体系，新的处理方法层出不穷，尽管其发展历史不长，但却引起各方面人士的广泛关注。首先，视觉是人类最重要的感知手段，图像又是视觉的基础，因此，数字图像成为心理学、生理学、计算机科学等诸多领域内的学者们研究视觉感知的有效工具。数字图像中的透明度提取技术IMAGEMATTING是一种提取像素透明度进而用于抠图的技术。通过数字图像的透明度，我们可以将数字图像的前景和背景分别提取出来，从而得到需要的信息。目前这项技术在科学与生产中都得

2、到了大量的应用。例如,在航空航天方面的卫星遥感图像的加工处理，在地质，矿藏探查方面的应用，气象卫星云图等；在生物与医学工程方面的细胞统计，染色分类，以及成像技术都有很好的应用；在工业工程方面对产品质量的检测，无损探伤以及表面缺陷检测等；在军事，公安交通方面，导弹的精确制导，侦察照片的判读，指纹识别，人脸鉴别，调整公路自动识别处理技术等；在文化艺术方面的动画制作，电影物质表现等都有很好的应用。另外，在电子商务中，透明度处理技术也大有可为，如身份认证、产品防伪、水印技术等。总之，透明度技术在图像处理应用领域相当广泛，已有国家安全、经济发展、日常生活中充当越来重要的角色，对国计民生的作用不可低估。二

3、、研究的基本内容与拟解决的主要问题数字图像中的透明度提取技术IMAGEMATTING是一种提取像素透明度进而用于抠图的技术，它的作用主要是为算法提供辅助信息帮助它准确地将图像感兴趣的区域从图像背景中剥离出来，由于算法在提取像素透明度的同时通常也会估计出图像目标中的前景和背景，因此，有时也称该技术为数字抠图技术。通常的图像分割技术都是基于二值的分割技术，难以获得令人满意的效果为了解决这个问题，研究者们提出利用基于ALPHA通道的2像素组合公式IF1B来提取图像中的前景和背景，获得了很多高质量的效果,其中的通常称为像素的不透明度。然而，利用图像硬分割技术分割一些前背景过渡区域比较大的图像时，难以得

4、到理想的分割效果。其主要原因是过渡区域中的某些像素难以准确确定它的归属类别。无论是属于前景和背景都不会得到理想的效果。另一方面，当前景中存在大量的空洞时，平常的图像分割技术也难以获得令人满意的结果。为了准确地提取图像的前背景，研究者们采用了一种称为透明度提取的技术。透明度提取技术是一种很有用的图像分割技术，在电影，动画，动漫等领域都有极其广泛的应用，然而，由于它的复杂性和病态性，该问题未能得到很好的解决。本文提出一种融合先验知识的随机游走模型的透明度提取技术，该技术借助于原有模型的空间项并结合新增添的非空间项提取图像的透明度，大大提高了原有模型计算像素透明度的准确率。三、研究的方法与技术路线1

5、模型的建立设当前的图像为I，每一点的像素为II，那么根据图像透明度的定义，设每个像素的不透明度为，则有1IIIIIIFB1其中，IF，IB为当前像素的前，背景成分，I为当前像素的不透明度。对于RGB格式的彩色图像而言，每一个像素有三个通道，这样，对每一点，总共可以得到三个方程，七个未知数，显然是一个极度不定问题。如果没有其他辅助条件的帮助，难以得到唯一解。基于先验知识的随机游走模型是一个解决该问题的比较好的模型，一方面，它可以融合一些先验的知识，帮助模型产生一个比较稳定的结果，另一方面，该模型的求解范围是实数域，与马尔科夫随机场的优化的范围相比，有着较大优势，最后，对于标记集中元素的个数超过2

6、个的时候，基于马尔科夫随机场的能量函数的优化是一个NP问题，目前的优化算法只能得到局部极小值，而随机游走不同，它能够得到最优值，而且优化过程通常只需要求解一个线性方程组，速度较快。在利用模型求解图像每一点的之前，首先要明确抠图的目标。目前比较流行的做法是对图像预处理，得到图像的TRIMAP图，然后针对TRIMAP图像中的未知区域提取透明度，进而完成抠图操作，当然为了获取TRIMAP图，需要很多用户操作，不过，如果条件合适，我们完全可以借助于原有的图像硬分割技术来获取图像的TRIMAP图，从而使用户3从预处理的负担脱离出来。为了使本模型能够较好地融合图像的先验知识，考虑到像素不透明度的特点，这里

7、采用了一种抽样的技术，对于图像中的每一个像素而言，要得到对应透明度的值，首先要获得该像素的前景和背景，考虑到一般自然图像中前背景的颜色的特点，我们假设图像前景和背景在一个小的局部范围内是连续变化的，因此，可以提取未知像素附近的已知像素的前背景，为它估计自身的前背景提供必要的信息。在提取透明度以前，对于明确的前景像素和背景像素，它们的值是已知，因此，可以不去管它，对于图像中的每一个未知的像素PI，以该像素为中心，R为半径，画一个圆，将所有已知的像素归入到一个集合中，不妨记为PH，这样，可以通过集合PH中已知的像素来估计当前像素的值。对于已知的像素，其相应的前背景也是已知的，然后通过各种标准，从中

8、选出最有可能是当前像素的前景和背景的像素各N个，然后采用如下的方法来估计PI的不透明度2|PJIJIJIJIBFBFB2通常，我们在选择当前像素的前背景的候选值时，考虑两个标准，一是与当前像素在颜色上的距离，而是与当前像素在空间上的距离。我们的模型按照这两个距离的加权乘积作为候选的依据，选出最佳的前背景的估计集合。考虑到每一个候选像素点距离当前像素PI越远，则对PI的影响越小，因此，我们使用权值来平衡各点对估计PI的不透明度的贡献22,EXPPSSDISDISIIW3通常，我们在选择当前像素的前背景的候选值时，考虑两个标准，一是与当前像素在颜色上的距离，而是与当前像素在空间上的距离。我们的模型

9、按照这两个距离的加权乘积作为候选的依据，选出最佳的前背景的估计集合。考虑到每一个候选像素点距离当前像素PI越远，则对PI的影响越小，因此，我们使用权值来平衡各点对估计PI的不透明度的贡献2,2EXPPSSDISDISIIW44其中，SI为已知的像素，,PSDISII表示像素在图像上的欧式距离，DIS为距离标准差，这里选择为10。另一方面，我们希望当前像素估计的不透明度与相应的前背景的组合能够尽可能的与该像素的颜色差别越小越好，因此，得到另一个权值为22|1|EXPIJIIJJIJCIFBU5这里的C为一经验参数，这里选为3。这样，根据当前像素周围的已知像素的组成情况，定义当前像素PI的不透明度

10、的估计值为1111EXPEXPNNIJIJIJIJPNNIJIJIJWWUWWU6其中，Q是一个加权矩阵，原模型中给出了详细的解释与具体的求解过程，这里从略。带有先验知识的随机游走模型的最终能量函数的表达式为222TTTTTMMMMUELBL7通过求解上述能量函数的最优值，可得到未知像素的值ARGMINE82模型的求解基于随机游走的模型求解方法比较简单，通常都可以化为线性方程组求解。这里对上述能量函数两边分别求关于向量的导数，并令其为零得220TMUDEBLD9从而有22TUMLEB10由于UL为对称正定矩阵，显然，2ULE也为对称正定矩阵，且相应的条件数要小于22ULE,因此，收敛速度会更快

11、。上述线性方程组的系数矩阵为对称矩阵，可以采用预先共轭梯度法求解。5四、研究的总体安排与进度12010/12/24，提交开题报告22010/12/252011/01/15，学习相关微积分和概率的知识32011/01/162011/01/25，翻译英文文献42011/01/262011/02/10，开始研究随机场和建立数学模型52011/02/282011/03/07，利用VISUALC2008搭建环境，设计程序62011/03/082011/03/20，实现算法，并完成演示程序72011/03/212011/03/31，测试并改进程序82011/04/012011/04/10，撰写毕业论文92

12、011/04/11以后，毕业答辩五、主要参考文献1杨杰数字图像处理及MATLAB实现M电子工业出版社，20106112RKAHUJA,TLMAGNANTI,ETALNETWORKFLOWSTHEORY,ALGORITHMS,ANDAPPLICATIONSPRENTICEHALL,19933ABERMAN,ADARDOURIAN,ETALMETHODFORREMOVINGFROMANIMAGETHEBACKGROUNDSURROUNDINGASELECTEDOBJECTUSPATENT,6134346P20004YBOYKOV,VKOLMOGOROVANEXPERIMENTALCOMPARISO

13、NOFMINCUT/MAXFLOWALGORITHMSFORENERGYMINIMIZATIONINVISIONIEEETRANSPATTERNANALMACHINTELL,SEPT20045耿晓伟多线索图象分割与图像透明度提取C中国科学院，20086乐宋进图像分割方法的研究现状与展望C南昌大学，20047陈波，赖剑煌用于图像分割的活动轮廓模型综述J中国图像图形学报，2007年8林生佑，石教英基于感知颜色空间的自然图像抠图J计算机辅助设计与图形学学报，2005年9陆金甫，关治偏微分议程数值解法M清华大学出版社，2004年第二版10孙建，马利庄，一种改进的自然景物提取算法J系统仿真学报，2006年