摳圖是圖像合成的基礎(chǔ),在圖像編輯、影視特效、虛擬現(xiàn)實(shí)等方面有著廣泛的應(yīng)用。本文圍繞摳圖存在的摳圖精度低、摳圖速度慢、依賴(lài)人工輔助三個(gè)痛點(diǎn)逐一展開(kāi)研究;從啟發(fā)式優(yōu)化角度探索了求解自然圖像摳圖問(wèn)題的新思路,提高了摳圖精度;研究了多目標(biāo)優(yōu)化采樣的摳圖算法,實(shí)現(xiàn)了快速的高精度摳圖;利用行人在紅外成像中的先驗(yàn)知識(shí)研究了無(wú)需人工輔助的行人三分圖全自動(dòng)生成算法,實(shí)現(xiàn)了紅外圖像中行人的自動(dòng)摳圖。本文的主要研究?jī)?nèi)容包括:1)從啟發(fā)式優(yōu)化角度研究免采樣摳圖技術(shù)。將摳圖問(wèn)題建模為大規(guī)模的前景背景像素對(duì)（下文簡(jiǎn)稱(chēng)像素對(duì)）優(yōu)化問(wèn)題,利用啟發(fā)式優(yōu)化算法實(shí)現(xiàn)了免采樣的摳圖問(wèn)題求解。針對(duì)啟發(fā)式優(yōu)化算法在大規(guī)模的像素對(duì)優(yōu)化問(wèn)題求解過(guò)程中容易陷入局部最優(yōu)解的缺點(diǎn),設(shè)計(jì)了自適應(yīng)收斂速度控制器。利用像素對(duì)適應(yīng)值和透明度遮罩相似程度的啟發(fā)式信息準(zhǔn)確度量個(gè)體競(jìng)爭(zhēng)力及種群的收斂性,從而自適應(yīng)地調(diào)節(jié)種群收斂速度,解決了啟發(fā)式優(yōu)化算法早熟的問(wèn)題。2)利用像素對(duì)評(píng)價(jià)中單個(gè)準(zhǔn)則的啟發(fā)式信息以及局部像素相關(guān)的啟發(fā)式信息,設(shè)計(jì)了基于模糊多準(zhǔn)則評(píng)價(jià)與分解的多目標(biāo)協(xié)同優(yōu)化摳圖算法,顯著地提高了摳圖精度。針對(duì)像素對(duì)評(píng)價(jià)中多個(gè)評(píng)價(jià)準(zhǔn)則存在滿(mǎn)足程度不確... 

【文章頁(yè)數(shù)】：132 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 問(wèn)題描述
        1.2.1 摳圖問(wèn)題描述
        1.2.2 摳圖評(píng)價(jià)的方式
        1.2.3 圖像摳圖與圖像分割的關(guān)系
    1.3 研究現(xiàn)狀
        1.3.1 色鍵摳圖
        1.3.2 自然圖像摳圖
        1.3.3 當(dāng)前摳圖研究存在的主要問(wèn)題
    1.4 本文的主要研究?jī)?nèi)容
第二章 基于啟發(fā)式優(yōu)化的免采樣摳圖算法
    2.1 問(wèn)題背景及研究動(dòng)機(jī)
    2.2 問(wèn)題描述
    2.3 基于自適應(yīng)收斂速度控制器的啟發(fā)式優(yōu)化摳圖算法
        2.3.1 前景背景像素對(duì)競(jìng)爭(zhēng)重組算子
        2.3.2 前景背景像素對(duì)重置算子
    2.4 實(shí)驗(yàn)結(jié)果與討論
    2.5 本章小結(jié)
第三章 基于模糊評(píng)價(jià)與協(xié)同優(yōu)化的免采樣摳圖算法
    3.1 問(wèn)題背景及研究動(dòng)機(jī)
    3.2 問(wèn)題描述
    3.3 基于模糊多準(zhǔn)則評(píng)價(jià)與分解的多目標(biāo)協(xié)同優(yōu)化摳圖算法
        3.3.1 模糊多準(zhǔn)則前景背景像素對(duì)評(píng)價(jià)方法
        3.3.2 基于分解的多目標(biāo)協(xié)同優(yōu)化算法
    3.4 實(shí)驗(yàn)結(jié)果與討論
        3.4.1 多目標(biāo)優(yōu)化算法選擇實(shí)驗(yàn)
        3.4.2 模糊多準(zhǔn)則前景背景像素對(duì)評(píng)價(jià)準(zhǔn)確性實(shí)驗(yàn)
        3.4.3 基于分解的多目標(biāo)協(xié)同優(yōu)化算法尋優(yōu)性能對(duì)比實(shí)驗(yàn)
        3.4.4 基于模糊多準(zhǔn)則評(píng)價(jià)與分解的多目標(biāo)協(xié)同優(yōu)化摳圖算法摳圖性能對(duì)比實(shí)驗(yàn)
    3.5 本章小結(jié)
第四章 基于多目標(biāo)優(yōu)化采樣的摳圖算法
    4.1 問(wèn)題背景及研究動(dòng)機(jī)
    4.2 問(wèn)題描述
    4.3 基于像素級(jí)多目標(biāo)全局采樣的摳圖算法
        4.3.1 像素級(jí)離散多目標(biāo)采樣策略
        4.3.2 快速離散多目標(biāo)優(yōu)化算法
    4.4 實(shí)驗(yàn)結(jié)果與討論
        4.4.1 像素級(jí)多目標(biāo)全局采樣算法性能驗(yàn)證實(shí)驗(yàn)
        4.4.2 基于像素級(jí)多目標(biāo)全局采樣的摳圖算法性能驗(yàn)證實(shí)驗(yàn)
        4.4.3 基于像素級(jí)多目標(biāo)全局采樣的摳圖算法經(jīng)驗(yàn)復(fù)雜度分析
        4.4.4 快速離散多目標(biāo)算法時(shí)間復(fù)雜度經(jīng)驗(yàn)分析實(shí)驗(yàn)
    4.5 本章小結(jié)
第五章 基于全自動(dòng)摳圖增強(qiáng)的紅外行人分類(lèi)算法
    5.1 問(wèn)題背景及研究動(dòng)機(jī)
    5.2 基于全自動(dòng)摳圖增強(qiáng)的紅外行人分類(lèi)算法
        5.2.1 基于全自動(dòng)摳圖的紅外行人預(yù)處理算法
        5.2.2 基于摳圖透明度遮罩的深度紅外行人分類(lèi)算法
    5.3 實(shí)驗(yàn)結(jié)果與討論
        5.3.1 基于全自動(dòng)摳圖增強(qiáng)的紅外行人分類(lèi)算法分類(lèi)性能驗(yàn)證實(shí)驗(yàn)
        5.3.2 基于全自動(dòng)摳圖的紅外行人預(yù)處理帶來(lái)的分類(lèi)性能提升分析
        5.3.3 基于全自動(dòng)摳圖的紅外行人預(yù)處理對(duì)深度學(xué)習(xí)分類(lèi)算法性能的影響分析
        5.3.4 基于全自動(dòng)摳圖的紅外行人預(yù)處理效果對(duì)比實(shí)驗(yàn)
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 未來(lái)的工作設(shè)想
參考文獻(xiàn)
攻讀博士學(xué)位期間取得的研究成果
致謝
附件


【參考文獻(xiàn)】：
博士論文
[1]視覺(jué)感知特性指導(dǎo)下的自然圖像摳圖算法研究[D]. 孫巍.北京交通大學(xué) 2015
[2]數(shù)字圖像摳圖關(guān)鍵技術(shù)研究[D]. 姚桂林.哈爾濱工業(yè)大學(xué) 2013
[3]圖像和視頻的便捷摳圖技術(shù)研究[D]. 管宇.浙江大學(xué) 2008



本文編號(hào)：3683712