图像抠像技术是计算机视觉领域热点问题。由于应用的需要,近年来前景提取技术从图像分割发展到基于透明度的图像抠像。抠像技术在图像处理其他领域有着广泛的应用,如图像压缩,图像编辑,图像饱和度矫正等。从计算机视觉角度来讲,图像抠像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、背景颜色以及过渡区域前景颜色透明度,这是个很具挑战性的任务。本文研究了传统的图像抠像技术,对自然图像抠像闭合式求解算法进行了算法改进,提出一种基于多模型参数估计的J-Linkage聚类抠像方法,只需用户点取个别前景点作为输入,即可实现整个抠像过程,极大简化了用户操作。通过对颜色线进行建模分类,符合同一个颜色线模型的空间点云被分到一个聚类中,通过建立的模型参数,得到涵盖图像信息的主要颜色线。根据用户的选点信息,从颜色角度对前景和背景区域进行属性划分,最后通过闭合式方法得到了图像像素点的透明度信息。传统的抠像算法需要大量输入信息作为条件,产生抠像所需三元图。本文的方法在不影响实验结果的前提下,只需用户在前景上点个别图像点作为种子,根据这些种子点产生三元图,极大地减少了用户输入信息量,使得抠像技术更加自动化。此外,传统方法的抠像结果极其依赖三元图的质量,不准确的用户输入会造成结果的错误扩散,本文的算法在此方面也有一定的改进。实验结果证明了这种算法的鲁棒性。