图像抠图技术是计算机视觉领域的基础问题,也是热点问题。近年来前景提取技术从图像分割发展到基于透明度(alpha)的图像抠图,取得了很大的进步。从计算机视觉角度来讲,图像抠图是一个欠约束的问题,对于图像的每个像素,我们需要估计前景颜色、背景颜色以及前景颜色透明度,因而是一个很具挑战性的工作。本文在深入研究了图像抠图技术的国内外研究现状后,对Closed-form solution to natural image matting(自然图像抠图闭合式求解算法)进行了算法改进,在其能够完成对图像边缘细节部分的透明度alpha精确求解的基础上实现无监督自动抠图过程。本文的主要工作包括对传统图像前景提取技术的分析与总结:对图像分割技术中的区域分割、聚类分割等进行了概括,详细阐述了基于图论的Graph cuts分割算法并进行了实验分析;对图像抠图技术中几种比较典型的算法进行了介绍并论述了其优缺点,并对抠图效果比较好的Poisson matting算法通过实验图片进行了分析。本文深入学习了自然图像抠图的闭合式求解算法,闭合式求解算法直接推导出一个关于图像前景颜色透明度的代价函数,通过求解代价函数最小值获取到最优alpha值,从而完成图像抠图。本文对该算法进行了理论推导及实验总结,并将其与Poisson matting抠图效果进行了比较;在论证并实现了自然图像RGB空间的Color lines模型的基础上,将Color lines模型与闭合式求解算法结合实现算法改进,可以减少对用户交互信息的依赖,完成自动抠图过程;对改进算法进行了实验,并分析了改进后算法的效果。