一种具有纠偏性的自然图像抠图的全局优化方法

摘要

本发明提供的具有纠偏性的自然图像抠图的全局优化方法，是从对图进行划分的角度考虑抠图问题，即：将抠图问题视为对图像的聚类或分组，这种最优的划分应该使得前景对象F与背景B的关联最弱，F的内部关联程度最强；以F的内部关联程度作为规格化因子，重新衡量F与背景B相分离的的软分割开销，从而得到均衡化后的自然图像抠图的全局优化的目标函数；并且对这一目标函数的优化等价于对一个广义特征值系统的求解。本发明有效地避免了以前的抠图方法中由于用于抠图的目标优化函数构造上的不合理而造成的抠图结果的有偏性，更有利于得到有关前景不透明度的全局最优解，并且对实现抠图过程的自动或半自动化具有重要的应用价值。

主权项

1.一种具有纠偏性的自然图像抠图的全局优化方法，其特征是从对图进行划分的角度考虑抠图问题，即：将抠图问题视为对图像的聚类或分组，这种最优的划分应该使得前景对象F与背景B的关联最弱，F的内部关联程度最强；以F的内部关联程度作为规格化因子，重新衡量F与背景B相分离的的软分割开销，从而得到均衡化后的自然图像抠图的全局优化目标函数；并且对这一目标函数的优化等价于对一个广义特征值系统的求解；所述内部关联程度由以下公式定义：Associ(F，V)＝α²vol(F)＝α^TD_mα式中：vol(F)为包含在F中的节点的容量；V是无向权重图G中所有节点的集合，D_m是抠图权重度矩阵，α为所有像素的前景不透明度值所构成的n×1的列向量，n为像素的个数；所述节点的容量的定义为：一组节点$V^{\prime }|V^{\prime }\subseteq V\left(G\right)$的容量按照以下公式计算出：$\mathrm{vol}\left(V^{\prime }\right)=\underset{i\in V^{\prime }}{\Sigma }\underset{\left(\mathrm{ij}\right)\in E}{\Sigma }{w}_{\mathrm{ij}}=\underset{i\in V^{\prime }}{\Sigma }{d}_i;$所述节点i的度为$d_i={\Sigma }_{j=1}^n{w}_{\mathrm{ij}};$所述无向权重图G的构造是：G＝(E，V，w)，公式中：V为无向权重图G中n个节点的集合，n为像素的个数；E为节点间边的集合；每条边e_ij对应于权重值w_ij，w_ij表示两个相邻接的节点间的相似度。