后处理在数字抠像中的应用与解析

数字抠像是将一幅图像中的前景物体与背景进行分离的问题,它的关键在于Alpha通道的计算.以往通过采样方法求得的Alpha中,由于采用逐点计算的离散化方式,求解出的Alpha通常不连续,并且包含很多噪声,因而需要对Alpha进行后处理,这不仅会增强Alpha在视觉上的平滑性,而且能够进一步提高Alpha的精确度.在目前国际上,有关数字抠像后处理领域已经进行了许多研究,但缺少相关的综述性文献,并且对后处理后的Alpha如何进行定量的评价也仍未系统解决.本文首先将数字抠像中的后处理方法分为2类:与仿射类方法相结合的方式及自平滑方式,其次,对两类方法进行了全面的总结和梳理,并对方法的优缺点进行了分析,对将来研究方向提出了建议,最后,针对后处理后的Alpha结果进行了全面的量化比较,弥补了传统方法基本上仅在视觉层面上进行比较的缺陷.     

一种基于双层框架的仿射类图像抠像方法

仿射类抠像方法主要分为KNN (K-nearest neighbor)类和Matting Laplacian类方法, 本文结合这2种方法的优点提出了一种基于仿射类的双层次抠像方法.其中, 第一层为绝对像素的划分层次或预处理层次, 采用了基于KNN类简单权重与相对远距离的搜索方法, 并结合初始Trimap未知区域大小无关的方式; 第二层为混合像素的计算层次或最终抠像层次, 充分利用了第一层计算获得的剩余混合像素的宽度, 自适应地调整Matting Laplacian中的颜色线性模型所构成颜色近邻的核宽度.每个层次均按图像的全局颜色重叠程度相应调整合理的搜索范围.本文的实验具备以下特点: 1)预处理层次之后采用了若干典型的后续抠像方法, 以展现本文方法相比于其他预处理方法对后续抠像操作步骤的优越性和兼容性; 2)最终抠像层次引入了若干其他抠像方法, 以验证本文抠像方法的优越性.实验表明, 相比于其他单层次的仿射类方法, 无论对于计算绝对像素还是混合像素, 本文方法都可以大幅提升计算结果的准确率.     

一种基于DTW/ISODATA算法的多层分类器手语识别方法

为提高大词汇量手语识别速度,论文提出了一种将动态时间规整(DTW)和隐马尔可夫模型(HMM)相结合的多层次的大词汇量手语识别方法。该方法思想是先进行全局粗略搜索,将要识别的手势词归入某一组范围较小的词表中,然后通过更加精确的HMM局部搜索将词识别出来。各个词汇表用DTW/ISODATA算法来产生。对4942个孤立手语词作了实验,结果表明,相对于仅用HMM单层识别而言,识别速度从原来每个词的2.364秒提高到0.137秒,提高了94.2%,识别准确率也提高了4.66%。