1.1.3 小结

本节围绕基于优化的免采样抠图技术存在的抠图速度慢以及基于采样的抠图算法存在的抠图精度低问题，介绍了基于多目标优化采样的抠图算法。不同于现有采样策略假设最优像素对可能落在特定区域，像素级多目标全局采样利用多目标优化，为每个未知像素提供了可逼近像素对评价函数最优解的样本集合，克服了现有算法因假设不满足所导致的最优像素对丢失问题；通过基于优化的抠图技术与基于采样的抠图技术的有机结合，既保留了基于优化的抠图技术精度高的优点，也保留了基于采样的抠图技术速度快的优点。本节揭示了多个采样准则存在的冲突以及超像素级采样会导致最优像素对丢失的原因，并提出了采用无参数的像素级多目标全局采样算法来解决这两个问题。其中，多目标采样策略以及像素级采样策略是该算法的核心。多目标采样策略用于解决多个采样准则之间的冲突问题，该策略将抠图多准则采样问题建模为离散多目标优化问题，并将多目标优化问题所有的帕累托最优解作为像素样本。通过多目标优化同时最小化已知像素与未知像素的颜色、空间距离以及纹理差别实现对多个采样准则的自适应权衡，使其在采样准则冲突的情况下依然能采集到高质量的像素样本。多目标采样策略易于实现且可扩展到更多的采样准则。而像素级采样策略则避免了采样空间不完整的影响，该策略将采样空间扩展到所有已知前景、背景像素构成的集合，使得已知区域的每个像素均能被采集为像素样本。实验结果表明，像素级多目标全局采样算法所采集的像素对候选集基数较小且可获得较小的最小透明度绝对误差。在像素级多目标全局采样算法基础上，文献[185]提出了基于像素级多目标全局采样的抠图算法。抠图透明度误差的客观定量对比以及视觉对比实验表明该抠图算法在前景目标边缘区域的梯度误差显著低于现有的抠图算法，可获得边缘锐利的高质量抠图透明度遮罩，且计算耗时与现有的基于采样的抠图算法无显著差异。