抠图(matting)是将前景对象从背景中精确提取出来的过程。抠图是数字图像处理的一项基本内容,是图像合成的基础,广泛应用于图像编辑、特效制作、虚拟现实等方面。前景对象的形状不定、背景纹理的复杂多变、透明度遮罩的精确估计、前景/背景之间模糊的界限等因素使得抠图异常复杂。由于抠图是一个严重欠约束的问题,在绝大部分情况下都需要用户提供前景和背景的标签信息。但是,用户想要提供精确的前景和背景标签信息无疑是一项非常耗费精力且困难的工作。如何在复杂的环境中保证抠图算法的鲁棒性和准确性还需要进一步研究。本文深入分析了图像抠图存在的问题,重点研究在先验信息指导下的自然图像抠图算法及其问题。本文从优化用户的输入出发,尝试研究更为便捷的交互方式,在减少用户的交互工作量的同时提供更为精确的前景和背景标记信息,以获得高质量的抠图结果。精确的三分图是抠图算法性能的保证。针对三分图未知区域过大,提供的先验信息不精确、不充分,以及人工交互复杂且耗时的问题,本文对如何快速创建精确的三分图进行了研究。本文的主要创新点包括:(1)提出一种基于流行排序的三分图创建算法。流行排序算法对标记的查询节点依赖较大,本文通过简单地人工标记获取前景/背景查询节点。为了获得更好的排序结果,本文将输入图像进行平滑处理,在去除不必要的细节纹理的干扰同时增强前景对象。本文分别对前景超像素和背景超像素进行排序。流行排序算法会赋予每一个超像素不同的排序分数。本文通过计算超像素的阈值,融合前景排序结果和背景排序结果以创建精确的三分图。实验结果表明,本文的方法可以生成高质量的三分图,从而保证了抠图算法估计的alpha遮罩的精确度。(2)提出一种基于梯度稀疏的图像抠图算法。结构复杂的背景以及模糊的前景/背景界限会影响抠图算法性能。复杂的纹理使得想要提取精确的前景对象变得困难。本文利用梯度稀疏先验,将图像处理为两层并将其梯度正则化,使得一层图像的梯度具有长尾分布,另一层图像的梯度具有短尾分布,两层图像的梯度不具备一致性。本文通过抑制复杂的背景纹理并突出前景对象以获得清晰的前景/背景界限。实验证明,利用梯度稀疏先验可以获得高质量的抠图结果。(3)提出一种基于Gaussian-Hermite矩评估抠图算法鲁棒性的方法。大部分抠图算法评估方法主要关注alpha遮罩的质量而没有注意到算法的鲁棒性,其评价结果可能与人的主观感受不一致。图像的低阶矩能够较好的捕获图像特征,梯度方向能够描述图像中局部物体的表象和形状,梯度幅度能够精确的反应图像中微小细节的反差和纹理变化。本文选择高斯模糊,椒盐噪声以及组合噪声来破坏图像,然后评估原始alpha遮罩和噪声alpha遮罩的一致性。实验结果表明,噪声会对抠图算法的性能造成较大的影响,随着图像中噪声程度的加强,抠图算法的性能呈现出下降趋势。不同的抠图算法对不同的噪声适应程度不相同。在鲁棒性评估中,传统抠图算法的性能甚至优于近期提出的先进抠图算法。