—In this paper, a novel matting met

—In this paper, a novel matting method is proposed
to automatically detect and separate foreground, background
and transitional (unknown) regions in a color image. In order
to detect the background color, K-means clustering in Y CbCr
color space is firstly used to classify the background colors
into a limited number of clusters. Then the spatial information
is further used to refine the background and minimize the
unknown regions. In this case, an image can be automatically
segmented into three hard regions: foreground, background
and unknown regions. For transitional (unknown) regions, the
alpha matting based on Wang’s robust matting algorithm is
utilized to refine the accuracy of the separation results. By
combining an automatical background determination metric and
Wang’s robust matting, the proposed matting method can handle
images with single-colored or gridded background. The required
user input is significantly simplified compared to conventional
alpha matting schemes which require users to provide a hard
image segmentation manually. The experimental results show that
improved matting results can be achieved for complex unknown
regions which contain semi-transparent materials or tiny objects
such as hair stripes.

ผลลัพธ์ (ไทย) 1:

ซึ่งในเอกสารนี้ มีเสนอวิธีปูนวนิยาย
เมื่อ ต้องการตรวจแยกฉากหน้า พื้นหลัง
และภูมิภาคอีกรายการ (ไม่รู้จัก) ที่เป็นภาพสี ลำดับ
เพื่อตรวจสอบสี คลัสเตอร์ใน Y CbCr หมายถึง K
พื้นที่สีแรกใช้ในการจัดประเภทสีพื้นหลัง
เป็นคลัสเตอร์จำกัด แล้วข้อมูลปริภูมิ
ใช้เพิ่มเติมเพื่อปรับแต่งพื้นหลัง และลดการ
ภูมิภาคไม่ทราบ ในกรณีนี้ รูปภาพได้โดยอัตโนมัติ
แบ่งภูมิภาคสามยาก: เบื้องหน้า เบื้องหลัง
และภูมิภาคไม่ทราบได้ ในภูมิภาค (ไม่รู้จัก) อีกรายการ
ปูอัลฟาตามอัลกอริทึมปูที่แข็งแกร่งของวังเป็น
ในการกลั่นกรองความถูกต้องของผลลัพธ์แยก โดย
รวมการวัดกำหนดพื้นหลัง automatical และ
วังของแข็งปู ปูนำเสนอวิธีการสามารถจัดการ
ภาพพื้นหลัง สีเดียว หรือ gridded ต้อง
ผู้ใช้ป้อนข้อมูลเป็นภาษาเปรียบเทียบกับแบบเดิมมาก
ร่างปูอัลฟาซึ่งกำหนดให้ผู้ใช้เพื่อให้ยาก
ภาพแบ่งด้วยตนเอง ผลการทดลองแสดงว่า
ผลการปรับปรุงปูสามารถทำได้สำหรับซับซ้อนไม่รู้จัก
ภูมิภาคซึ่งประกอบด้วยวัสดุกึ่งโปร่งใสหรือวัตถุเล็ก ๆ
เช่นลายผมได้

ผลลัพธ์ (ไทย) 2:

อินกระดาษนี้วิธีการปูนวนิยายจะเสนอ
ในการตรวจสอบโดยอัตโนมัติและแยกเบื้องหน้าพื้นหลัง
และในช่วงการเปลี่ยนแปลง (ไม่ทราบ) ภูมิภาคในภาพสี เพื่อ
ที่จะตรวจสอบสีของพื้นหลัง K-หมายถึงการจัดกลุ่มใน Y CbCr
พื้นที่สีถูกนำมาใช้ครั้งแรกในการจำแนกสีพื้นหลัง
ในจำนวนที่ จำกัด ของกลุ่ม จากนั้นข้อมูลเชิงพื้นที่
ถูกนำมาใช้เพิ่มเติมเพื่อปรับแต่งพื้นหลังและลด
พื้นที่ที่ไม่รู้จัก ในกรณีนี้ภาพโดยอัตโนมัติสามารถ
แบ่งออกเป็นสามภูมิภาคที่ยากเบื้องหน้าเบื้องหลัง
และไม่รู้จักภูมิภาค สำหรับในช่วงการเปลี่ยนแปลง (ไม่ทราบ) ภูมิภาค
ปูอัลฟาขึ้นอยู่กับขั้นตอนวิธีปูวังที่แข็งแกร่งจะ
ใช้ในการปรับแต่งความถูกต้องของผลการแยก โดย
การรวมตัวชี้วัดการกำหนดพื้นหลังโดยอัตโนมัติและ
ปูที่แข็งแกร่งวังของวิธีการปูที่นำเสนอสามารถจัดการ
ภาพที่มีพื้นหลังสีเดียวหรือ gridded จำเป็นต้องมี
การป้อนข้อมูลของผู้ใช้มีความเรียบง่ายอย่างมีนัยสำคัญเมื่อเทียบกับการชุมนุม
แผนการปูอัลฟาซึ่งกำหนดให้ผู้ใช้เพื่อให้ยากที่
การแบ่งส่วนภาพด้วยตนเอง ผลการทดลองแสดงให้เห็นว่า
ผลการปูที่ดีขึ้นสามารถทำได้ไม่ทราบซับซ้อน
ภูมิภาคซึ่งมีวัสดุกึ่งโปร่งใสหรือวัตถุขนาดเล็ก
เช่นลายผม

ผลลัพธ์ (ไทย) 3:

ในกระดาษนี้ , นวนิยาย matting วิธีการเสนอโดยอัตโนมัติตรวจจับและแยก

เปลี่ยนพื้นหลังและเบื้องหน้า ( ไม่รู้จัก ) ภูมิภาคในสีของภาพ เพื่อ
ตรวจจับสีพื้นหลัง k-means clustering ใน Y cbcr
สีพื้นที่เดิมทีใช้ในการจำแนกสีพื้น
เป็นจำนวน จำกัด ของกลุ่ม แล้วข้อมูลเกี่ยวกับอวกาศ
จะใช้ต่อเพื่อปรับแต่งพื้นหลังและลด
ภาคที่ไม่รู้จัก ในกรณีนี้ภาพจะโดยอัตโนมัติ
แบ่งออกเป็นสามภูมิภาค : เบื้องหน้าเบื้องหลัง
และไม่รู้จักขอบเขต สำหรับการเปลี่ยน ( ไม่รู้จัก ) ภูมิภาค
อัลฟ่าผ้าซิ่นตามวังปูที่แข็งแกร่งของ
ใช้เพื่อปรับปรุงความถูกต้องของการผล โดย
รวมโดยการกำหนดตัวชี้วัดและพื้นหลังที่แข็งแกร่ง
วังปูเสื่อที่เสนอวิธีรับมือ
ภาพสีหรือพื้นหลัง gridded เดียว ตามที่ผู้ใช้ป้อนเป็นอย่างมากง่าย

เราเมื่อเทียบกับปกติปูแบบที่ให้ผู้ใช้มีการแบ่งส่วนภาพยาก
ด้วยตนเอง ผลการทดลองแสดงให้เห็นว่า
ปรับปรุงผลลัพธ์ที่สามารถเกิดขึ้นได้สำหรับปูที่ไม่รู้จัก
ภูมิภาค ซึ่งประกอบด้วยวัสดุกึ่งโปร่งใสหรือวัตถุเล็ก ๆเช่น ลาย

ผม