毕业论文设计基于贝叶斯算法的自动抠图程序设计与实现.doc
- 文档编号:184927
- 上传时间:2022-10-05
- 格式:DOC
- 页数:42
- 大小:2.23MB
毕业论文设计基于贝叶斯算法的自动抠图程序设计与实现.doc
《毕业论文设计基于贝叶斯算法的自动抠图程序设计与实现.doc》由会员分享,可在线阅读,更多相关《毕业论文设计基于贝叶斯算法的自动抠图程序设计与实现.doc(42页珍藏版)》请在冰豆网上搜索。
山东大学本科毕业论文
目录
摘要 5
ABSTRACT 6
第1章绪论 7
1.1自动抠图程序设计开发背景 7
1.2国内外研究现状 7
1.3解决的主要问题 9
1.4本文的主要工作 9
1.5论文的组织结构 10
第2章自动抠图程序设计需求分析 11
2.1自动抠图程序设计概述 11
2.1.1自动抠图程序设计项目背景 11
2.1.2自动抠图程序设计项目说明 11
2.1.3数字抠图的原理和方法概述 12
2.2自动抠图程序设计目标和解决的问题 14
第3章几种抠图方法的比较 16
3.1基于采样的抠图方法 16
3.1.1Knockout方法抠图 16
3.1.2通过区域区域生长制作trimap 17
3.2基于传播的方法抠图 19
第四章贝叶斯抠图方法的MATLAB实现 22
4.1MATLAB功能简介 23
4.1.1MATLAB简介 23
4.1.2MATLAB特点 23
4.1.3MATLAB优势 23
4.1.3M语言编程 24
4.2自动抠图程序设计界面介绍 24
4.2.1自动抠图程序设计核心代码 25
4.2.2自动抠图程序设计操作流程介绍及流程图展示 27
第5章自动抠图程序设计实现与测试 27
5.1自动抠图程序设计总体实现 28
5.2MATLAB运行结果展示 30
第6章结论 31
致谢 33
参考文献 34
附录1英文原文 36
附录2译文 36
基于贝叶斯算法的自动抠图程序设计与实现
摘要
数字抠图技术是一种从目标图像中把需要的前景物体从背景中抽取的数字图像处理技术,随着图像处理、广告传媒和虚拟现实等领域的蓬勃发展,数字抠图技术也越来越普遍地应用于各种图像处理软件。
最初的蓝屏抠图技术和差异抠图技术囿于技术的限制,在抠图过程中存在极大的局限性。
虽然目前数字抠图技术日趋成熟,但仍不能在图像处理实践过程中满足对于抠图结果灵活性、准确性和易用性的要求。
本论文对于抠图方法有了一些新的认知,即通过贝叶斯算法来处理,也就是基于贝叶斯算法的数字抠图方法。
本论文简要介绍了图像前景与背景分离技术的研究背景及其研究现状,并分析比较了几种算法的优劣性。
本论文的主要工作包括:
研究并分析了Knockout方法抠图的实现方法、trimap抠图的实现方法和Bayes抠图的实现。
因为Bayes抠图只需要一些简单的矩阵运算,就可以得到较为准确的抠图结果,所以是容易实现的。
这种方法也是非常准确的,因为通过三分图的前期处理,它可以有效地处理非线性局部颜色分布问题,从而解决了非线性的数字抠图问题。
利用MATLAB软件对本文研究的算法进行编程测试,实验结果表明,该算法优于许多其它的抠图方法。
关键词:
数字抠图;贝叶斯抠图;局部学习;三分图;自然图像抠图
ABSTRACT
Thedigitalmattingisatechnologythatcanextractaforegroundelementofarbitraryshapewhichusersneedfromabackgroundimagebythewayofestimatingacolorandopacityfortheforegroundelementateverypixel.Ithasbeenwidelyusedinimageprocessing,advertisingmediaandvirtualrealityinareassuchasdigitaltechnologyincreasinglymattingcommonlyusedinavarietyofimageprocessingsoftware.Theinitialbluescreenmattingmattingtechnologyandtechnicaldifferencesconfinedtotechnicallimitations,thereareseverelimitationsinthediggingprocess.Althoughdigitalmattingtechnologymatures,butstillcannotmeettheresultsformattingflexibility,accuracyandeaseofuserequirementsofimageprocessinginpractice.
Inthispaper,amethodformattinghassomenewawareness,throughBayesalgorithmtoprocess,whichisadigitalmattingBayesianalgorithmbasedapproach.Thispaperbrieflydescribestheimageforegroundandbackgroundresearchbackgroundandpresentstatusofthetechnology,andtheanalysisandcomparisonoftheadvantagesanddisadvantagesofseveralalgorithms.
Themainworkofthispaperinclude:
researchandanalysisoftheimplementationKnockoutmatting,trimapmattingmethodsandBayesmattingimplementation.BecauseBayesmattingrequiresonlyafewsimplematrixoperations,youcangetmoreaccurateresultsmatting,itiseasytoachieve.Thismethodisveryaccurate,becausethepre-treatmentbytrimap,itcaneffectivelydealwiththeproblemofnonlinearpartialcolordistribution,therebysolvingtheproblemofnon-lineardigitalmatting.UsingMATLABsoftwareprogrammingalgorithmresearchExperimentalresultsshowthatthealgorithmissuperiortomanyothermattingmethods.
Keywords:
digitalmatting;Bayesianmatting;locallearning;trimap;naturalimagematting
5
第1章绪论
1.1自动抠图程序设计开发背景
伴随着信息媒介的更新与发展,图像信息在人类日常生活中发挥着不可取代的重要作用,在人类信息传播的历史进程中“图像传播”是至关重要也是极具过渡性的环节。
图像符号所具备的特殊传播力使得图像这一信息载体在人类社会进入信息化时代后向传统传播媒介发起挑战。
以图像为中心的视觉文化系统逐步成熟并且向着更为多元化的方向迅猛发展。
上世纪80年代到90年代随着计算机技术的飞速发展,整合了文字、声音、图像的多媒体时代应运而生数字图像作品大放异彩。
数字图像处理、计算机视觉等学科在人类生活中已经产生了深刻的影响,现如今数字图像已然成为信息传输的又一重要媒介[1],它们同文字、语言相辅相成,构成了现代人类表达和交流的主要手段。
哲学家维兰·傅拉瑟VilémFlusser认为图像符(graphical symbol)是“用以规定加入秩序化的符号系统。
”[2]在动画影视快速发展的今天,抠图与图像合成技术日趋成为图像处理与影视制作过程中占主导地位的关键技术。
抠图(matting)是指人们从目标图像中将需要的前景物体抽取出来的数字图像处理技术。
其与图像合成技术在杂志、二维图形艺术、电视、广告等传媒制作业中已成为不扩或缺的核心手段。
1.2国内外研究现状
数字抠图技术(technologyofdigitalmatting)的一些研究由来已久,以下针对近年来国内外的相关研究作一个简单的讨论与阐述。
抠图与图像合成技术是影视制作中不可或缺的关键技术,其广泛应用于媒体制作中。
抠图是指把任意形状的前景物体从图像中抽取出来的一种技术,图像合成技术则是把抽取出来的前景物体和一幅新的背景图像合成为新的图像的过程。
“抠图和图像合成是一组互逆的基本操作,抠图与图像合成技术始于19世纪50年代,它经历了光学和数字两大发展阶段。
20世纪80年代,数字抠图方法逐渐取代了光学抠图方法。
”[3]当前,数字抠图与图像合成技术已经在各种应用中占据了举足轻重地位。
数字抠图技术主要分为蓝屏抠图和自然图像抠图,此外还有环境抠图阴影抠图和视频抠图三种扩展和应用。
基于单张图像的抠图算法是当前抠图技术的主流研究方向。
此类方法通过用户先赋予图像部分的预处理工作,即一些必要的标记笔画和轮廓描述或通过计算得出一幅三分图,无论哪一种处理从本质上都将目标图像的部分像素点指定为了确定的前背景点。
因此抠图算法的主要目标即为如何从这些已知α值的像素点中确定的信息并规定其它区域中像素点的α值求解。
根据求解的大致结果的差异可以主要可以把抠图技术分为以下三类:
1)基于颜色采样的方法:
此类方法假设未知像素点的前背景颜色可以由少量已知的像素采样点的颜色来确定。
其具体技术的发展又可以大致分为两个阶段。
早期的方法通常收集一些距离需要求解像素较近的已知像素点作为采样点集并为其建立模型,并以此估算使得目标像素点呈现给定颜色最大概率的前背景颜色以及对应的α值。
而近期的方法则致力于在保证效率的前提下收集更多可靠的前背景像素对,并为每个未知像素点选取一对最好的前背景颜色,再分别来计算每个像素的α值。
早期的方法比如BayesianMatting[4]、Ruzon-Tomasi[5]、Hillman[6]等都是基于采样的方法,但是通过采样的方法采集到的前景和背景像素的样本点具有不确定性,使得最终得到的掩膜值不够精确;
2)基于关联的方法:
该类方法从特定的假定模型出发,如Closed-form抠图法中的颜色线性模型,建立一个包含全部未知区域和部分已知区域像素点的α值关联矩阵并将该关联矩阵嵌入一个优化方程中,经过整体优化后再求解α值。
基于传播的方法不需要通过采集样本点来估计掩膜值,它假设未知像素在一个小窗口内是局部平滑的,再通过闭合空间中求解α。
RandomWalkMatting[7]、ClosedFormSolution[8]、PoissonMatting[9]等都属于基于传播的方法,该方法对大部分图片都能取得较好的结果;
3)基于采样和关联的混合方法:
该类方法将以上两类方法相结合,通常的做法是先利用采样的方法估算未知区域像素点初始的α值,再建立α值关联矩阵,将二者联立置于一个统一的优化方程中,
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 毕业论文 设计 基于 贝叶斯 算法 自动 程序设计 实现