1580 自动化学报 38卷 Improved color matting 0.9 Leaming based Closed-formlle Improved colors Shared 图6抠像结果比较 Fig 6 Comparison of different matting results from various algorithms 日 (a)原始图像 (b) Spectral matting全自动抠像结果 (a)Input image (a)Input image b)Result of spectral matting (b) Result of spectral 图7全自动抠像的结果 Fig 7 Fully automatic matting result 标记,算法不能从被标记的区域中获得未知区域的 完整特性.而玩具头发的颜色和背景中桥梁的颜色 比较接近,因此部分桥梁区域被误选.而玩具的手和 (c)涂鸦方式输入 衣服颜色区别较大,手没有被完全选中.图8(e)中 的三分图则带有更精细的信息,同样是 Closed-form matting算法,在三分图输入下获得了更好的结果 (如图8(f).由于算法基于 Color line模型的假设, 以及桥梁颜色和头发颜色过于接近,抠像结果中的 右上角区域仍然不能精细地提取出头发丝.根据图 7和图8的结果,可以看出,相对于三分图的输入方 (e)三分图输入 (f) Closed- form mating抠像结果 式,全自动方式的抠像更为简便,在一些简单的场景 (e)Trimap-based input 中能得到理想的结果.然而,全自动或涂鸦方式下 图8不同输入方式下的抠像结果 抠像算法更加缺乏语义信息,对求解的不定问题进Fg.8 Matting results of different interaction mode 限制,因此求解过程变得更加困难,对于复杂的场 景,抠像效果相对较差 要求.其中, Bavesian matting因为需要对每个未 算法效率方面,文献门1中曾对一些有代表性的知像素的采集样本建立高斯混合模型,所以消耗的 算法进行了测试.测试程序运行于一台CPU主频为时间较多. Iterative bp[as则因为信任传播算法 30GHz、内存大小为4GB的工作站.对于一张大收敛较慢,也带来较大的计算时间开销. Poisson 小约1000像素×700像素的图像,输入一张含有 matting通过迭代的方法求解泊松方程,效率也不 约20%未知像素的三分图,算法运行时间如表1所高. Robust matting由于结合了颜色采样技术,以 示从表1可以看出,这些算法均不能达到实时性的及 Closed- form matting中的拉普拉斯矩阵进行求1580 自 动 化 学 报 38 卷 图 6 抠像结果比较 Fig. 6 Comparison of different matting results from various algorithms 图 7 全自动抠像的结果 Fig. 7 Fully automatic matting result 标记, 算法不能从被标记的区域中获得未知区域的 完整特性. 而玩具头发的颜色和背景中桥梁的颜色 比较接近, 因此部分桥梁区域被误选. 而玩具的手和 衣服颜色区别较大, 手没有被完全选中. 图 8 (e) 中 的三分图则带有更精细的信息, 同样是 Closed-form matting 算法, 在三分图输入下获得了更好的结果 (如图 8 (f)). 由于算法基于 Color line 模型的假设, 以及桥梁颜色和头发颜色过于接近, 抠像结果中的 右上角区域仍然不能精细地提取出头发丝. 根据图 7 和图 8 的结果, 可以看出, 相对于三分图的输入方 式, 全自动方式的抠像更为简便, 在一些简单的场景 中能得到理想的结果. 然而, 全自动或涂鸦方式下, 抠像算法更加缺乏语义信息, 对求解的不定问题进 行限制, 因此求解过程变得更加困难, 对于复杂的场 景, 抠像效果相对较差. 算法效率方面, 文献 [1] 中曾对一些有代表性的 算法进行了测试. 测试程序运行于一台 CPU 主频为 3.0 GHz、内存大小为 4 GB 的工作站. 对于一张大 小约 1 000 像素 × 700 像素的图像, 输入一张含有 约 20 % 未知像素的三分图, 算法运行时间如表 1 所 示. 从表 1 可以看出, 这些算法均不能达到实时性的 图 8 不同输入方式下的抠像结果 Fig. 8 Matting results of different interaction modes 要求. 其中, Bayesian matting 因为需要对每个未 知像素的采集样本建立高斯混合模型, 所以消耗的 时间较多. Iterative BP[48] 则因为信任传播算法 收敛较慢, 也带来较大的计算时间开销. Poisson matting 通过迭代的方法求解泊松方程, 效率也不 高. Robust matting 由于结合了颜色采样技术, 以 及 Closed-form matting 中的拉普拉斯矩阵进行求