前背景分离(matting)也称抠图,即将图像或视频的某一感兴趣的部分从原始图像或视频中分离出来,主要功能是为了将分离出的前景物体与新的背景图像进行完美地合成。前背景分离技术己经广泛地应用于数字图像与视频的制作,几乎所有的图像与视频制作软件、电影特效制作、电视镜头合成都会采用这一技术。图像前背景分离是一项极具挑战性的工作,这表现在以下三点。一、求解的不唯一性:由于图像前背景分离技术是针对图像中感兴趣的任意部分,所以不同程度的人工交互,不同的先验信息,对自然图像各种特性的不同假设和不同类型的约束条件,不同的用户需要,不同的采样、统计、分析、建模方法都可以做出完全不同的结果。二、空间复杂度与时间复杂度较大:图像前背景分离技术讲究对于细节的分离与抽取,很多图像前背景分离方法会对图像的统计信息进行计算。对于具有丰富细节的自然图像,可能会有很高的空间复杂度和时间复杂度。三、评判标准的制定:即使是人眼视觉,给定同样的图像和同样的感兴趣区域,对于细节方面,不同的人也可能给出不同的结果。而对于一个图像前背景方法,我们可以从不同的角度,如精确度、速度、内存占用等各个角度来评判它。图像前背景分离技术至今仍没有统一与权威的评判标准。　　本文研究工作的贡献有两点:一是在视频深度信息获取方法上,提出了结合边缘信息的深度获取模型,与已有的视频深度信息获取方法相比,有更好的实验结果。二是提出了一个基于颜色和深度的双尺度前背景分离模型,综合考虑了图像的颜色信息和图像中各物体间的空间信息。图像的颜色特性可采用现有的一些前背景分离方法来粗略估计,以图像的前景蒙板来体现,而深度特性是对图像采用快速双目立体匹配算法,对视频采用结合边缘信息的深度信息获取模型,以深度图来体现。当前背景交界处颜色相似时,如果只考虑图像的颜色信息,得到的结果在交界处的效果就非常不好,而深度图在交界处能提供较明确的空间信息,能改善前背景分离的结果。但是,深度图依赖于其它算法和模型的准确性。所以我们如果要进行精确地前背景分离,要得到图像中每一像素点的前景透明度,仍需要利用图像的颜色特性才能得到最终的结果。我们将颜色和深度两种尺度的信息融合在一个前背景分离模型中,给出算法,很好地改进了前背景分离的结果。