Global matting论文阅读

最新推荐文章于 2022-06-05 03:23:24 发布

ReLuJie

最新推荐文章于 2022-06-05 03:23:24 发布

阅读量1.7k

点赞数

分类专栏： # matting 文章标签： global matting

本文链接：https://blog.csdn.net/On_theway10/article/details/81672142

版权

matting 专栏收录该内容

13 篇文章 1 订阅

订阅专栏

paper info：A Global Sampling Method for Alpha Matting（2011-CVPR）

作者信息：Kaiming He, Christoph Rhemann, Carsten Rother, Xiaoou Tang, Jian Sun

C++代码链接：https://github.com/atilimcetin/global-matting

global-matting算法可以分为两块：1.是如何选择合适的样本候选对（candidate pair）；2.是如何高效为每个unknown区域中的pixel找到最佳的样本候选对。

样本候选对的评价标准

matting方程：

称 $\left (F,B \right )$ 为 $I$ 的样本候选对， $\alpha\in \left [ 0,1 \right ]$ 为 $I$ 的不透明度。假定已知 $I$ 的候选对 $\left (F_{i},B_{j}} \right )$ ，则不透明度 $\alpha$ 的计算公式为：

对于任意的样本对 $\left (F_{i},B_{j}} \right )$ 、matte值 $\widehat{\alpha }$ ，它们对pixel $I$ 的逼近loss为：

如果仅仅用(3)来评价样本候选对(F,B)，可能会出现错误匹配，即假设 $I$ 是前景像素，可能存在某个背景像素B能够很好地表达 $I$ ；反之亦然。这样的错误匹配会导致最终得到的alpha-matte质量变差，为了缓解错误匹配，作者引入了空间信息：

其中， $D_{F}$ =表示前景样本点中到当前的unknown-pixel $I$ 的最短距离，因此取值越大，表示F与 $I$ 的空间距离越大。同样的，可以定义。这样，得到最终的样本候选对的评价标准：

它综合样本候选对（F,B）与unknown-pixel $I$ 在颜色空间和几何空间中距离。

SampleMatch Algorithm

a b c d

首先构造Global-sample-set。原理很简单，就是unknown区域(b中的灰色条带)靠近前景和背景的边界往外扩张k个像素，得到前后景像素的全局备选样本集，即c图中的红色(前景备选样本点集，个数记为 $n_{f}$ )和绿色(背景备选样本点集，个数记为 $n_{b}$ )。假设trimap中unknown区域中pixel的个数N，对于每个位于该区域的pixel而言，如果使用暴力搜索来寻找最佳候选样本对（F，B），时间复杂度为 $O\left ( Nn_{f} n_{b}}\right )$ 。当unknown区域面积较大时，这样的时间复杂度是我们所不能接受的。作者采用与PatchMatch algorithm相仿的做法，构建了2-D “FB search space”，使得寻找unknown区域中pixel的最佳候选样本对的时间复杂度变为 $O\left ( Nlog\left ( n_{f} n_{b} \right )}\right )$ 。