[发明专利]一种使用移动最小二乘法的拉普拉斯抠图矩阵方法

摘要

本发明公开了一种使用移动最小二乘法构造抠图拉普拉斯抠图矩阵方法，所述使用移动最小二乘法构造拉普拉斯抠图矩阵方法使用KNN邻域替代空间邻域，获取非邻域像素在alpha图上的线性关系，并用移动最小二乘方法替代最小二乘方法，计算出移动拉氏矩阵，并得到alpha图。本发明改进抠图拉氏矩阵计算方法，使用最小移动二乘法替代最小二乘法推导出移动拉氏矩阵，相对于最小二乘法，移动最小二乘法求解的线性条件更为准确。使用KNN邻域替代空间邻域，使得拉氏矩阵可以反映非邻域间像素的alpha值的关系，从而得到更为准确的抠图拉氏矩阵计算方法。 1

主权项

1.一种使用移动最小二乘法的移动拉普拉斯抠图矩阵方法，其特征在于：所述使用移动最小二乘法的拉普拉斯抠图矩阵用移动最小二乘法替代最小二乘法构造拉普拉斯矩阵，并使用KNN邻域替代空间邻域，获取非邻域像素在alpha图上的线性关系，从而计算出移动拉氏矩阵，并得到alpha图；构造抠图拉氏矩阵时，使用移动最小二乘法替代最小二乘法得到alpha图上的线性关系,所述移动最小二乘抠图的方法如下：在灰度图像中,窗口wi的邻域内alpha值满足局部线性条件，使用移动最小二乘法求解局部线性关系，表示如下：公式(1)中权值ω，ωi是邻域wk中的权值；式(1)表示为以下矩阵的形式:对于每个邻域w_k,G_k定义为‖w_k‖×2矩阵；G_k每行包括向量(I_i,1)，W_k是每行向量对应的权值ω_i组成的向量，G_k’为G_k的W_k加权，对应的每行向量表示为(W_k.I_i,W_k)，是邻域内所有像素对应的alpha值组成的向量；系数ak,bk解得如下所示：令J(α)表示为下式：δ_i,j是Kronecker delta函数，μ_k和分别是小窗口w_k内的基于W_k的加权均值和方差，‖w_k‖是窗口内像素的个数,L为移动拉氏抠图矩阵。