Б. Г. Кухаренко

Алгоритмы выделения объектов переднего плана из фона и интерактивного редактирования изображений

Рассматриваются алгоритмы интерактивного оценивания a -канала изображения, обеспечивающие выделение объекта переднего плана и основанные на ограниченном использовании маркеров пользователя. Для решения неопределенной задачи оценивания a-канала используются итеративные методы нелинейного оценивания, чередующие оценивание цвета объекта переднего плана и фона с оцениванием a-канала изображения. Рассматриваются замкнутые методы оценивания a-канала с использованием анализа спектра лапласиана a-канала и решения уравнения Пуассона для градиента a-канала с граничными условиями Дирихле. Это позволяет создавать синтетические композиции и интерактивно редактировать изображения.
Ключевые слова: интерактивное сегментирование изображений, оценка a-канала, случайное блуждание, спектральное сегментирование, уравнение Пуассона, координаты средних значений, синтез текстуры, клонирование без швов

Kukharenko B. G. Algorithms of Extracting a Foreground Object from Image Background and Interactive Image Editing
Interactive digital matting is under study, the process of extracting a foreground object from an image based on limited user markers. At each pixel the foreground and background colors must be estimated, as well as the foreground opacity ("alpha matte") from a single color measurement. To solve the task, iterative nonlinear estimation is performed by alternating foreground and background color estimation with alpha estimation. In this paper, a closed-form solution to natural image matting and the methods based on solving the Poisson equation with the Dirichlet boundary conditions are presented. It allows to produce synthetic image compositions and to provide image editing interactively.
Keywords: interactive image segmentation, alpha matting, random walks, spectral segmentation, image compositing, Poisson equation, image editing, mean-value coordinates, texture synthesis, seamless cloning

СОДЕРЖАНИЕ

1. Иерархическое сегментирование
1.1.Метод сдвига среднего и иерархическое сегментирование
1.2.Основы теории Морса
1.3.Иерархическое сегментирование на основе теории Морса
1.4.Интерактивное сегментирование изображений
1.5.Эксперимент

2. Спектральное сегментирование с многомасштабной декомпозицией графа изображения
2.1.Аспекты многомасштабного сегментирования изображений
2.2.Нормированное сечение взвешенного графа изображения
2.3.Декомпозиция графа изображения во множественные масштабы
2.4.Параллельное многомасштабное сегментирование в алгоритме оптимального нормированного сечения графа изображения
2.5.Эксперимент

3. Алгоритм случайного блуждания для интерактивного выделения объекта переднего плана и оценки области непрозрачности (a-канал) изображения
3.1.Модель области непрозрачности (a-канал) изображения
3.2.Случайные блуждания в пространстве цвета
3.3 Уравнения для вероятностей случайного блуждания
3.4. Эксперимент

4. Байесовский подход к выделению объектов переднего плана посредством оценки a-канала изображения
4.1.Байесовская схема вывода
4.2.Эксперимент

5. Алгоритм GrabCut — интерактивное выделение объектов переднего плана изображения итерационным применением алгоритма Graph Cuts
5.1.Неполная оценка непрозрачности a-канала и алгоритм GrabCut
5.2.Сегментирование изображений посредством алгоритма Graph Cut
5.3.Алгоритм сегментирования GrabCut
5.4.Эксперимент

6. Замкнутое решение для оценки a-канала естественного изображения
6.1.Локальная гладкость цветов переднего плана и фона
6.2.Выделение a-канала монохромных и цветных изображений
6.3.Ограничения при оценке a-канала и интерфейс пользователя
6.4.Анализ спектра Лапласиана a-альфа канала
6.5.Эксперимент

7. Спектральное оценивание a-канала
7.1.Оценка непрозрачности пикселей, покрытых объектом переднего плана
7.2.Компоненты a-канала
7.3.Анализ спектра матрицы Лапласиана 
7.4.Группировка компонент a-канала
7.5.Эксперимент

8. Применение уравнения Пуассона для оценки a-канала переднего плана естественного изображения
8.1.Композиции объекта переднего плана изображения в новое изображение
8.2.Применение уравнения Пуассона для оценки a-канала
8.3.Применение уравнения Пуассона для глобальной оценки a-канала
8.4.Применение уравнения Пуассона для локальной оценки a-канала
8.5.Эксперимент

9. Основанный на координатах средних значений подход к клонированию без швов изображений
9.1.Координаты средних значений
9.2.Клонирование без швов на основе координат средних значений
9.3.Эксперимент

10.Заполнение областей и удаление объектов путем дорисовывания изображения по образцу
10.1.Дорисовывание изображения по образцу
10.2.Алгоритм заполнения области изображения
10.3.Эксперимент