多模态高斯过程回归抠图

摘要 基于相似度扩散的半监督式抠图是利用图像的局部关系模型构造全局优化函数来求解，现有常用算法的局部关系模型为单一形式，难以适应自然图像的多变特性，提出一种基于高斯过程回归的局部多模态模型.分析自然图像的多变性，据此构建带有常数、线性、非线性3种模态的多模态通用学习框架，通过构造不同的核函数使得局部高斯回归能够适应不同颜色分布情况，后根据高斯回归的置信度来设计模型组合系数，并给出了多模态下的全局优化闭合解.最后从理论上证明两种传统算法为本文算法的特例，从理论上说明了本文算法的先进性.实验表明与传统算法相比，本文算法更能够适应图像的多变特性，在视觉和定量误差上都能取得更好的效果