Exploiting local and global knowledge in Alpha Matting

Abstract

[ANGLÈS] Image matting aims at softly extracting foreground objects from an image by means of the alpha value estimation where the alpha matting is the opacity of the input image. Natural image matting is a difficult problem for computer vision because its foreground and background colors are arbitrary. It often requires a user interaction, a trimap, specifying initial definitive known foreground and background pixel regions. The pixels outside this range are classified as unknown. Current methods use local or global image properties of these definite regions to estimate the alpha matte for the unknown region. In this thesis we propose a novel definition of the cost function that improves the performance of existing techniques. The cost function is the main and most important tool in non-parametric sampling-based methods. These methods obtain the best results at present and therefore, an improvement to the cost function is also an important improvement to the whole technique.

[CASTELLÀ[ Image matting tiene como objetivo extraer suavemente objetos del primer plano de una imagen por medio de la estimación del valor de alfa donde alpha matting es la opacidad de la imagen de entrada. Image matting de imágenes natural es un problema difícil para el campo de computer vision, ya que el color del primer plano y del fondo son arbitrarios. A menudo requiere la interacción del usuario, un trimap, especificando inicialmente una región de píxeles conocida del primer plano y del fondo. Los píxeles fuera de este rango se clasifican como desconocidos. Los métodos actuales utilizan propiedades locales o globales de las regiones definidas de la imagen para estimar los alpha matte pertenecientes a la región desconocida. En esta tesis se propone una nueva definición de la función de coste que mejora el rendimiento de las técnicas existentes. La función de coste es la herramienta principal y más importante de los métodos de muestreo basados en técnicas no paramétricas. Estos métodos obtienen los mejores resultados en la actualidad y, por tanto, la mejora de la función de coste es también una mejora importante de toda la técnica.

[CATALÀ] L'image matting té com a objectiu extreure suaument objectes del primer plànol d'una imatge per mitjà de l'estimació del valor d'alfa on alpha matting és l'opacitat de la imatge d'entrada. L'image matting d'imatges natural és un problema difícil per al camp de computer vision, ja que el color del primer plànol i del fons són arbitraris. Sovint requereix la interacció d'un usuari, un trimap, especificant inicialment una regió de píxels coneguda del primer plànol i del fons. Els píxels fora d'aquesta regió es classifiquen com desconeguts. Els mètodes actuals utilitzen propietats locals o globals de les regions definides de la imatge per estimar els alpha matte pertanyents a la regió desconeguda. En aquesta tesi es proposa una nova definició de la funció de cost que millora el rendiment de les tècniques existents. La funció de cost és l'eina principal i més important dels mètodes de mostreig basats en tècniques no paramètriques. Aquests mètodes obtenen els millors resultats en l'actualitat i, per tant, la millora de la funció de cost és també una millora important de tota la tècnica.