[发明专利]一种基于主动学习的抠图方法

权利要求书

1.一种基于主动学习的抠图方法，其特征在于，所述基于主动学习的抠图方法的公式表示如下：

等式左边代表像素x_k对应的信息量，越大的值表示越值得进行主动学习和标记，f_u表示图像未知区域(unknown)的alpha图信息,表示对x_k进行主动学习后，图像中的未知区域的alpha图信息，表示对x_k进行主动学习后在求解alpha图上的变化；公式右边由二部分组成，R_sampling表示对x_k进行主动学习后在采样上风险值的变化，R_exp表示对x_k进行主动学习后，传播方法对抠图效果的改变量；将二者结合起来，最终的表示对x_k进行主动学习后,对抠图效果的影响，影响力越大，说明x_k越值得主动学习，需要标注；λ₁、λ₂代表实数参数，通过将二者以不同权值相加，最终将采样方法和传播方法结合起来。

2.如权利要求1所述的基于主动学习的抠图方法，其特征在于，所述采样在未知区域中寻找像素，当像素被标记后，提高整个图像未知区域像素的信任度；

下式表示在对像素x_k进行主动学习并标记了y_k后，未知像素x_i所对应的风险值的差距：

；

用下式表示对像素x_k进行主动学习以后风险值的差距：

下式表示对像素x_k进行主动学习后，图像上所有像素风险值的差距之和：

值越大表示像素x_k的标记越能减少图像采样风险，提高信任度。

3.如权利要求2所述的基于主动学习的抠图方法，其特征在于，所述对像素x_k进行主动学习的方法包括：

(1)计算像素x_k主动学习后对应的采样的风险值变化，代码描述如下；

4.如权利要求1所述的基于主动学习的抠图方法，其特征在于，所述基于主动学习的抠图方法的线性方程为：

对某个像素x_k进行标记为y_k后，方程的解为：

；

于是将求解的变化表示为下式：

其中分子表示的是矩阵求逆后对应的第k列向量，分母表示的是矩阵求逆后对应的对角阵的第k个元素,f_k为x_k在标记前对应的alpha值。