復(fù)雜背景下前景提取與融合算法研究.pdf

1、前景提取與融合廣泛應(yīng)用于電影制作和體感游戲等領(lǐng)域,目前常見的方法有藍(lán)屏摳像方法、背景建模方法和基于 Kinect的方法等。但基于復(fù)雜背景的前景提取尚未有準(zhǔn)確可靠的方法,是當(dāng)前的研究熱點。本文就復(fù)雜背景下的前景提取和后續(xù)的圖像融合進行了研究,在前人的基礎(chǔ)上改進了現(xiàn)有的方法,并提出了一種復(fù)雜背景下前景提取的新方法。
　　本文首先實踐了基于藍(lán)屏摳像的前景提取方法,藍(lán)屏摳像提取前景需要借助于藍(lán)色背景墻,這種前提限制了它的使用范圍。針對這種

2、不足,有學(xué)者提出了對復(fù)雜的背景進行建模,本文分析了兩種背景建模的方法:基于顏色信息的背景建模方法和基于高斯混合模型的背景建模方法?；陬伾畔⒌谋尘胺椒軌蜉^好的區(qū)別前景的陰影,基于高斯混合模型的背景建模方法是當(dāng)前背景建模效果較好的前景提取方法。兩種方法對背景變化規(guī)律或者緩慢的情況的前景提取有很好的效果,但是當(dāng)背景的變化復(fù)雜時,對背景建模的方法則不能很好的提取前景。
　　微軟使用基于散斑的 Kinect提取前景。Kinect借助于

3、紅外散斑,得到場景的深度信息,進而提取復(fù)雜背景下的前景。但前景的邊緣比較復(fù)雜時,Kinect提取的前景邊緣并不準(zhǔn)確。因此本文提出了利用漫水填充的方法對提取的前景參照源圖像進行優(yōu)化處理。
　　本文提出了一種復(fù)雜背景下提取前景的新方法,通過對復(fù)雜背景下的前景照射均勻的近紅外光,使前景具有區(qū)別于復(fù)雜背景的新信息,能夠很好的將復(fù)雜背景下的前景提取出來。
　　基于這種新方法提取的準(zhǔn)確前景,本文探討了將其無縫融合到新背景的方法:泊松方程