基于局部采样与自适应特征空间 KNN 分类的传播抠图方法
计算机视觉与模式识别
2016-05-04 v1
摘要
Closed Form 是一种基于传播的抠图算法，在具有良好传播特性的图像上表现良好。Closed Form 方法的缺陷在于，对于图像传播较差的复杂区域，例如孔洞区域或细长结构区域，通常难以获得正确结果。在这些区域，若提供某些标记，则可改善抠图效果。本文中，我们设计了一种基于局部采样与 KNN 分类器传播的抠图算法。首先，根据图像颜色的不同分量构建相应的特征空间，以减少前景与背景之间的重叠影响，并提高 KNN 分类器的分类精度。其次，基于未知图像区域样本表现的优劣，自适应地采用局部采样或局部 KNN 分类器进行处理。最后，针对未知区域的不同处理方法，我们将使用不同权重来增强约束，使处理更为有效。本文通过结合定性观察与定量分析，利用在线标准评测数据集对实验结果进行评估。结果表明，在具有良好传播特性的图像上，本方法与 Closed Form 方法同样有效，而在复杂区域图像上，其表现甚至优于 Closed Form。
引用
@article{arxiv.1605.00732,
title = {A propagation matting method based on the Local Sampling and KNN Classification with adaptive feature space},
author = {Xiao Chen and Fazhi He},
journal= {arXiv preprint arXiv:1605.00732},
year = {2016}
}