文向东

（贵州师范大学数学科学学院，贵阳550001）

0 引言

抠图技术是将图像中特定的目标区域精细提取出来的一种技术。除原始图像外，抠图算法还需要用到三分图，在三分图中，图像像素被分为了三个类别：目标区域像素，背景区域像素和未知区域像素。目标区域像素和背景区域像素是用户标注的部分已知类别像素。抠图算法需要确定未知区域中像素的类别归属。目前，多数算法基于这样的模型假设[1]，即图像未知区域的像素C的实际取值满足公式：C=αF+（1-α）B，F是该位置前景图取值，B是该位置背景图取值，α是图像透明度，取值介于0与1之间。在这个公式中，C是已知的，F和B还有α都是未知的，要通过各种抠图算法来推测。

1 研究背景及意义

迄今为止抠图算法由传统算法和具有人工智能AI的深度学习算法组成。传统算法走到今天，都是在采样算法和传播算法的基础上发展，或者是将采样算法和传播算法相结合。

采样算法有代表性的是最早由Mishima等人[2]进行的蓝屏抠图、Yung-Yu Chuang等人提出了贝叶斯抠图算法[3]、Gastal E SL等人提出的共享采样抠图算法[4]和Ehsan-Shahrian等人提出的加权颜色与纹理抠图算法[5]，后来Ehsan-Shahrian等人又在2013年提出了综合采样抠图算法[6]，后来Levent Karacan在Image matting with KL-divergence based sparse sampling一文中提出利用KL-散度[7]对采样算法进行了改进。采样算法有一个缺点就是要求三分图做得较精细，才会有一个较好的抠图结果，为弥补这一缺点，Johnson J等人在Sparsecodesasalphamatte一文中利用稀疏编码抠图[8]，应用传播算法作为后期处理，提高了最终抠图结果的质量。……