前景提取,是数字图像处理中的一个操作,目的是把一幅图像中人们感兴趣的区域提取出来,以便更换背景或做其他操作。所以前景提取所要做的就是要确定图像中每个像素是属于前景、属于背景还是属于前景与背景的混合,像素的这个属性就称为该像素的alpha值。但是alpha值的求解却是一个病态的问题,这个问题不存在一个确定的解,也没有一个较好的标准来衡量解的优劣,这无疑给前景提取这一过程带来了巨大的挑战。前景提取自提出发展至今,已经涌现出许多优秀的算法。有些算法已经可以达到令人满意度效果了。但是,现有的算法都存在一个重要的问题,就是计算量过大,这一点一直限制着前景提取的应用场景。为了提高前景提取的速度,本文提出了快速前景提取算法和神经元网络前景提取算法。快速前景提取算法主要针对图像前景的提取,在该算法中,我们将传统的前景背景取样计算以及利用像素相邻关系计算两步合成一步,同时,发掘并利用了像素点alpha之间的关系,使得前景提取保证效果的前提下,速度较之传统算法提高了约25倍左右。神经元网络前景提取算法主要针对实时视频前景的提取,该算法将前景提取看作是学习问题,把alpha值重新理解为前景的隶属度。神经元前景提取算法效果优秀,速度也较快。我们将神经元网络前景提取应用在实时的视频前景提取中,取得了不错的效果。我们同时提出了一套视频前景提取流程,在该流程中,用户不需要手动的输入任何信息,只需要在镜头前晃动身体即可。