【摘要】：圖像前景區(qū)域提取是指從一幅圖像中提取出感興趣的任意形狀的前景區(qū)域。前景區(qū)域提取是圖像處理中的基本操作,也是視覺特效制作中最重要和最常用的操作,在雜志、二維圖形藝術(shù)、電視、廣告等領(lǐng)域也有廣泛的應(yīng)用。 前景提取算法主要可以根據(jù)認(rèn)為圖像中是否含有半透明像素分為兩類：圖像分割和前景摳圖。本文簡單介紹了圖像前景提取的現(xiàn)有主流算法,并對多種算法的優(yōu)缺點(diǎn)進(jìn)行了分析與比較。目前主流的前景提取算法幾乎都是需要大量的人工交互過程。 我們可以發(fā)現(xiàn)攝影作品在形式上區(qū)別于人的正常視覺感受,在于它利用相機(jī)鏡頭的光學(xué)特性制造了一個興趣中心,有了中心的畫面,當(dāng)然會引起人的注意。攝影愛好者利用鏡頭與眼睛的結(jié)合,把眼睛的感受和鏡頭的表現(xiàn)天衣無縫地曝光在底片上,將自己感興趣的區(qū)域傳遞給觀看者。 現(xiàn)在的單反相機(jī)或無反相機(jī)等拍攝器材在推銷時,經(jīng)常都會強(qiáng)調(diào)產(chǎn)品可以制造更佳的散景表現(xiàn)。散景,簡單地說就是指主體與背景之間那種前清后蒙的效果。而這種效果突出了主體的立體感,強(qiáng)化了主體,一定程度上區(qū)分了前景背景的區(qū)域。就算是普通相機(jī)拍攝的圖片,也會有輕微的散景效果。散景程度在圖像處理中我們可以用圖像的散焦圖來表示。 本文先對圖像的散焦進(jìn)行放大處理,使得普通圖片也具有跟專業(yè)相機(jī)拍攝效果一樣的散焦圖,再將散焦圖與源圖像再融合起來,得到類似專業(yè)相機(jī)拍攝出來的效果。 本文又從攝影者的角度出發(fā),重新定義了前景區(qū)域的具體概念-即拍攝者所想要突出的區(qū)域和鏡頭最終的表現(xiàn)出的顯著區(qū)域。本文用散焦圖和顯著圖來表示這兩個特性。基于這一想法,本文提出了一種不需要進(jìn)行人工交互的基于散焦圖的前景提取算法。 本文對圖像數(shù)據(jù)先進(jìn)行圖像分割,再將圖像經(jīng)過放大的散焦圖與圖像的顯著圖結(jié)合起來作為圖像分塊的特征,并訓(xùn)練了一個基于svm的分類器將前景從背景中分離出來。在測試圖像中,如果圖像分段在已訓(xùn)練完的測試模型中取得高可信度,就將該分段標(biāo)志為前景。本文提出的算法在MSRA顯著物體檢測圖像集和Flickr圖像集上均進(jìn)行了實(shí)驗(yàn),通過實(shí)驗(yàn)結(jié)果驗(yàn)證了本文提出的前景定義的合理性和算法的可行性。
[Abstract]:Image foreground region extraction refers to extracting any shape foreground region of interest from an image. Foreground region extraction is not only the basic operation in image processing, but also the most important and commonly used operation in visual special effects production. It is also widely used in magazines, two-dimensional graphic art, television, advertising and other fields. The foreground extraction algorithm can be divided into two categories according to whether the image contains translucent pixels: image segmentation and foreground matting. This paper briefly introduces the existing mainstream algorithms of image foreground extraction, and analyzes and compares the advantages and disadvantages of various algorithms. At present, the mainstream foreground extraction algorithms almost require a large number of manual interaction processes. We can find that photography is different from normal visual feeling in form, because it makes use of the optical properties of camera lens to create a center of interest, with a central picture, of course, it will attract people's attention. Photographers use the combination of the lens and the eyes to seamlessly expose the eye's feelings and the lens's performance to the negative and transmit the area of interest to the viewer. Current cameras such as SLR or non-reflective cameras are often marketed with emphasis on products that produce better performance. Scattered scenery, in short, refers to the effect of the former Qing Dynasty and the later Mongolia between the subject and the background. This effect highlights the stereoscopic sense of the subject, strengthens the subject and, to some extent, distinguishes the region of foreground background. Even pictures taken by ordinary cameras have a slight scatter effect. In image processing, the degree of scatter can be expressed by the image's astigmatic image. In this paper, the defocus of the image is amplified first, so that the common image has the same effect as the professional camera, and then the defocus image and the source image are fused together again to get the effect of the similar professional camera. From the perspective of the photographer, this paper redefines the specific concept of foreground region, that is, the region that the photographer wants to highlight and the region in which the lens finally displays. In this paper, the defocus diagram and the salient graph are used to represent these two properties. Based on this idea, a defocus map based foreground extraction algorithm is proposed. In this paper, the image data is segmented first, then the enlarged defocus image is combined with the salient image as the feature of the image block, and a classifier based on svm is trained to separate the foreground from the background. In a test image, the segmentation is marked as a foreground if it is highly reliable in the trained test model. The proposed algorithm is tested on both MSRA salient object detection image set and Flickr image set. The experimental results verify the rationality of the proposed foreground definition and the feasibility of the algorithm.
【學(xué)位授予單位】：復(fù)旦大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2012
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吳思,張勇東,林守勛,李豪杰;動態(tài)場景視頻序列中的前景區(qū)域自動提取[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報;2005年02期

2 Tim Ellis;利用部分觀測跟蹤被遮擋的目標(biāo)(英文)[J];自動化學(xué)報;2003年03期

3 孫建;馬利莊;;一種改進(jìn)的自然景物提取算法[J];系統(tǒng)仿真學(xué)報;2006年S1期

4 陶q,吳思,林守勛,張勇東;體育視頻全景圖合成技術(shù)[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報;2005年11期

5 潘大夫;汪渤;;基于邊緣方向的直線提取算法[J];北京理工大學(xué)學(xué)報;2008年06期

6 原迪;劉棣華;;一種新的二值圖像信息隱藏與提取算法[J];電腦編程技巧與維護(hù);2009年24期

7 尹勁峰,劉仁義,劉南;SST圖像溫鋒提取算法研究[J];計(jì)算機(jī)應(yīng)用研究;2005年02期

8 黎偉;商建東;;基于廣義Hough變換的指紋圖像邊緣提取算法及實(shí)驗(yàn)研究[J];機(jī)床與液壓;2005年12期

9 竇麗華;畢超;;一種快速的圖像邊緣精確提取算法[J];光學(xué)技術(shù);2006年04期

10 林國余;張為公;;一種大場景下的棋盤靶標(biāo)自動定位算法[J];工業(yè)儀表與自動化裝置;2008年03期

相關(guān)會議論文 前10條

1 闕剛;王曉航;栗松北;;次聲信號自動提取技術(shù)研究[A];國家安全地球物理叢書（三）——地球物理探測與應(yīng)用[C];2007年

2 張星星;穗志方;;基于網(wǎng)頁中深度并列結(jié)構(gòu)的實(shí)例提取算法[A];中國計(jì)算語言學(xué)研究前沿進(jìn)展（2009-2011）[C];2011年

3 霍偉;姚小蘭;;基于脊線追蹤的指紋細(xì)節(jié)提取算法[A];第六屆全國計(jì)算機(jī)應(yīng)用聯(lián)合學(xué)術(shù)會議論文集[C];2002年

4 王磊;郝士琦;戎雁;;基于瞬時特征參數(shù)提取的數(shù)字通信信號解調(diào)[A];2006北京地區(qū)高校研究生學(xué)術(shù)交流會——通信與信息技術(shù)會議論文集（上）[C];2006年

5 張磊;盧朝陽;楊德英;;基于不同的方向圖提取算法的指紋圖像增強(qiáng)[A];信號與信息處理技術(shù)——第一屆信號與信息處理聯(lián)合學(xué)術(shù)會議論文集[C];2002年

6 黃曉山;;數(shù)字圖像處理及其在醫(yī)學(xué)上的應(yīng)用[A];2009年浙江省醫(yī)學(xué)工程學(xué)術(shù)年會論文匯編[C];2009年

7 薛玉涵;錢亮;鞠浩;;基于模糊噪聲配套圖像的去運(yùn)動模糊方法[A];全國第三屆信號和智能信息處理與應(yīng)用學(xué)術(shù)交流會�？痆C];2009年

8 謝宏;谷曉媚;夏斌;;基于不同特征提取算法的運(yùn)動想象分類[A];全國第21屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會議（CACIS·2010）暨全國第2屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2010年

9 陳春寧;田睿;王毅楠;;基于色差插值的BAYER格式圖像色彩復(fù)原實(shí)現(xiàn)[A];第九屆全國信息獲取與處理學(xué)術(shù)會議論文集Ⅰ[C];2011年

10 羅強(qiáng);任慶利;;基于局部IFS理論提取圖像邊緣[A];第十二屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2005年

相關(guān)重要報紙文章 前10條

1 ;用三星數(shù)碼DigimaxMaster軟件處理照片[N];科技日報;2007年

2 ;B超術(shù)語解釋[N];農(nóng)村醫(yī)藥報（漢）;2008年

3 陜西 瞿貴榮;彩電特殊故障檢修五例[N];電子報;2007年

4 清華大學(xué)計(jì)算機(jī)系 喻文健;互連線電容提取技術(shù)[N];計(jì)算機(jī)世界;2005年

5 房鵬;虛化背景 凸現(xiàn)主題[N];計(jì)算機(jī)世界;2004年

6 于亮、阿鯤;技術(shù)“掃”天下[N];中國計(jì)算機(jī)報;2002年

7 晶 瑩;三星新推精細(xì)大屏等離子顯示器[N];中國質(zhì)量報;2005年

8 馬駿睿 皓月;制作版畫效果圖片[N];中國攝影報;2007年

9 ;天敏隨心錄電視盒[N];中國電腦教育報;2004年

10 ;體驗(yàn)決定一切[N];中國計(jì)算機(jī)報;2003年

相關(guān)博士學(xué)位論文 前10條

1 王繼陽;基于高分辨率航空遙感立體圖像的建筑物三維重建技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2009年

2 韓永華;農(nóng)田圖像的統(tǒng)計(jì)迭代分割方法研究[D];浙江大學(xué);2011年

3 陳少波;SAR圖像相干斑抑制算法研究[D];華中科技大學(xué);2010年

4 陳國忠;SAR圖像紋斑噪聲抑制算法研究[D];上海交通大學(xué);2008年

5 陳玫玫;手指靜脈圖像的去噪與分割算法研究[D];吉林大學(xué);2010年

6 康文煒;冠狀動脈造影圖像的分割方法研究[D];吉林大學(xué);2010年

7 邢坤;基于可見光遙感圖像的典型目標(biāo)識別關(guān)鍵技術(shù)研究及其系統(tǒng)實(shí)現(xiàn)[D];哈爾濱工業(yè)大學(xué);2010年

8 邢坤;基于可見光遙感圖像的典型目標(biāo)識別關(guān)鍵技術(shù)研究及其系統(tǒng)實(shí)現(xiàn)[D];哈爾濱工業(yè)大學(xué);2010年

9 李小兵;MRI圖像腦腫瘤分割與EEG腦癲癇檢測的研究[D];大連理工大學(xué);2010年

10 閆子飛;面向中醫(yī)舌診的舌下靜脈特征獲取與分析[D];哈爾濱工業(yè)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 刁茜;基于散集圖的圖像前景區(qū)域提取算法研究[D];復(fù)旦大學(xué);2012年

2 梁玲玲;面向購物搜索的目標(biāo)提取算法研究及系統(tǒng)實(shí)現(xiàn)[D];西南交通大學(xué);2012年

3 呂燕燕;兩種圖像鑒別特征提取算法研究[D];南京郵電大學(xué);2011年

4 王浩;動態(tài)前景分離方法研究[D];湖南師范大學(xué);2011年

5 封金蕾;基于矩陣分解的顯著對象提取算法分析與應(yīng)用[D];北京交通大學(xué);2012年

6 曾琦;基于DM642圖像處理平臺的圖像配準(zhǔn)算法研究[D];上海交通大學(xué);2010年

7 陳素霞;圖像感興趣區(qū)域提取技術(shù)研究[D];河南理工大學(xué);2009年

8 朱曉林;基于圖像邊緣的水印系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];湖南大學(xué);2009年

9 馬娜;骨折圖像特征提取與分型識別技術(shù)研究[D];河北大學(xué);2010年

10 陳霄閣;幾何圖形識別與測量圖像技術(shù)研究[D];大連理工大學(xué);2011年

，

本文編號：2311117